基于双分组的变量相关性计算：tidy方法的高效实现问询

问题回顾 #

需要按id和Grp双层分组，计算每组中target与var1、var2的相关系数，最终得到4行2列的结果。之前的两种方法存在以下问题：

1. 直接在summarise中使用c(var1,var2)会导致向量长度不匹配，触发报错；
2. 自定义函数直接调用时未针对分组数据处理，返回的是全局计算结果。

正确实现方法 #

方法1：使用dplyr::summarise + across（推荐）

这是最简洁的tidy风格写法，直接遍历目标变量计算相关系数：

library(dplyr)

set.seed(123)
example=data.frame(
  id = c(rep(1,20),rep(2,20)),  # 一级分组
  Grp = rep(c(rep('A',10),rep('B',10)),2),  # 二级分组
  target = c(rep(1:10,2), rep(20:11,2)),
  var1 = sample(1:100,40,replace=TRUE),
  var2 =sample(1:100,40,replace=TRUE)
)

# 分组计算相关系数
result <- example %>%
  group_by(id, Grp) %>%
  summarise(
    # 遍历var1、var2，分别与target计算相关系数
    across(c(var1, var2), ~cor(target, .x)),
    .groups = "drop"  # 计算完成后取消分组
  )

print(result)

输出结果示例：

# A tibble: 4 × 4
     id Grp     var1   var2
  <dbl> <chr>  <dbl>  <dbl>
1     1 A     -0.240 -0.188
2     1 B     -0.174  0.271
3     2 A      0.440  0.129
4     2 B      0.690  0.421

方法2：修复自定义函数并结合group_map

如果需要保留自定义函数，可以用group_map对每个分组应用函数：

library(dplyr)
library(tibble)
library(tidyr)

# 定义返回数据框的自定义函数
corr_analisis_e <- function(df){
  tibble(
    var1 = cor(df$target, df$var1),
    var2 = cor(df$target, df$var2)
  )
}

# 分组应用函数并合并结果
result2 <- example %>%
  group_by(id, Grp) %>%
  group_map(corr_analisis_e) %>%  # 对每个分组应用函数
  bind_rows(.id = "group") %>%    # 合并结果
  separate(group, into = c("id", "Grp"), convert = TRUE)  # 拆分分组标识为原字段

print(result2)

错误原因解析 #

1. 长度错误问题：c(var1,var2)会把var1和var2的所有元素拼接成一个长度为20的向量，而每个分组的target长度仅为10，cor()函数要求两个输入向量长度一致，因此触发报错。
2. 全局结果问题：直接在分组后调用自定义函数时，函数接收的是完整的原始数据集而非分组后的子数据框，因此返回全局相关系数。必须使用group_map或do()这类专门处理分组数据的函数，才能让函数作用于每个分组。

内容的提问来源于stack exchange，提问作者RobertoT