R中按Action分组快速计算Difficulty与多变量的相关性

基于数据框df，筛选出Action包含"Field"的行，按Action分组后，计算每组中Difficulty与strings、characters、POS、NEG、NEU各变量的相关性，寻求高效的单命令实现方式。

你之前的代码报错主要有两个原因：

1. summarise_all(funs(cor))会对每个变量单独调用cor()，但cor()需要至少两个变量才能计算相关性，没有指定和Difficulty关联，逻辑不成立；
2. 部分分组（如"Field or Catch"、"Field or Ball"、"Field and run"）只有1条数据，单样本无法计算相关系数，会触发错误。

方法1：宽格式输出（保留原变量列） #

使用dplyr的across()函数遍历目标变量，逐个计算与Difficulty的相关性，同时处理单样本分组的情况：

library(dplyr)
library(stringr)

df %>%
  filter(str_detect(Action, "Field")) %>%
  na.omit() %>%
  group_by(Action) %>%
  summarise(
    across(
      .cols = c(strings, characters, POS, NEG, NEU),
      .fns = ~ if(n() >= 2) cor(Difficulty, .x) else NA_real_,
      .names = "cor_{.col}"
    )
  )

• across()批量处理指定变量，.names参数自动生成带前缀的列名，更清晰；
• 通过if(n() >= 2)判断分组样本数，单样本时返回NA避免报错。

方法2：长格式输出（更易查看分组-变量的对应关系） #

先将数据转成长格式，再分组计算相关性，结果结构更直观：

library(dplyr)
library(stringr)
library(tidyr)

df %>%
  filter(str_detect(Action, "Field")) %>%
  na.omit() %>%
  pivot_longer(
    cols = c(strings, characters, POS, NEG, NEU),
    names_to = "Variable",
    values_to = "Value"
  ) %>%
  group_by(Action, Variable) %>%
  summarise(
    Correlation = if(n() >= 2) cor(Difficulty, Value) else NA_real_,
    .groups = "drop"
  )

• pivot_longer()将多列变量转换为"变量名-值"的键值对形式；
• .groups = "drop"取消分组，最终结果为扁平化的数据框，便于后续分析或可视化。

结果说明 #

• 只有Action = "Field"的分组有2条数据，能计算出有效相关系数；
• 其余分组因仅1条数据，相关性结果返回NA（符合统计逻辑）。

内容的提问来源于stack exchange，提问作者Sandy