R中使用dplyr计算分组变量两两相关系数的实现方法

你可以通过「宽表转换+相关矩阵重塑」的思路，配合dplyr、tidyr的函数实现需求，全程不需要写复杂循环，代码可复现性强。

首先加载需要的工具包：

library(tidyverse) # 包含dplyr、tidyr等数据处理依赖

针对第一个无额外分组的数据集，实现代码如下：

result1 <- data %>%
  # 给每个var组内的观测加匹配序号，保证转宽后同位置观测对齐
  group_by(var) %>%
  mutate(row_id = row_number()) %>%
  ungroup() %>%
  # 转为宽表，每个var类别单独成列存储y值
  pivot_wider(names_from = var, values_from = y, id_cols = row_id) %>%
  select(-row_id) %>%
  # 计算所有列的两两相关系数矩阵
  cor() %>%
  # 将宽格式的相关矩阵转为长表
  as.data.frame.table(responseName = "value") %>%
  rename(var1 = Var1, var2 = Var2) %>%
  # 过滤掉自相关、重复的配对（仅保留var1字母序在var2之前的配对）
  filter(as.character(var1) < as.character(var2))

运行后得到的result1就是你需要的三列结构，每一行对应一组唯一的变量对和对应的皮尔逊相关系数，和你给出的预期输出完全匹配。

带group2分组的场景，只需要在上述逻辑外层加分组映射，让每个大分组单独执行相关计算即可，代码如下：

result2 <- data2 %>%
  # 先按大分组+组内变量类别分层，给观测加匹配序号
  group_by(group2, var2) %>%
  mutate(row_id = row_number()) %>%
  ungroup() %>%
  # 按大分组字段分组，逐组计算内部相关
  group_by(group2) %>%
  group_modify(~{
    .x %>%
      pivot_wider(names_from = var2, values_from = y2, id_cols = row_id) %>%
      select(-row_id) %>%
      # 如果组内存在样本量不匹配的缺失值，可给cor加参数use = "pairwise.complete.obs"
      cor() %>%
      as.data.frame.table(responseName = "value") %>%
      rename(var1 = Var1, var2 = Var2) %>%
      filter(as.character(var1) < as.character(var2))
  }) %>%
  ungroup() %>%
  rename(group = group2)

注意事项 #

• 上述代码默认每个变量组内的观测顺序是可匹配的，如果你有明确的匹配维度（比如时间点、样本ID），可以把代码里生成的row_id替换成实际的匹配字段，保证相关计算的逻辑正确。
• 如果不同变量组的样本量不一致，只需要在cor()函数中加入use = "pairwise.complete.obs"参数，就可以自动按配对删除缺失值完成计算。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson