如何创建相关矩阵展示各产品类别门店平均销售额的相关性

直接按以下步骤生成对应产品类别的门店平均销售额相关矩阵即可：

• 先确认数据粒度：从你给出的head(df2)输出看，当前df2每行对应一个唯一门店，各数值列已经是门店维度的统计值，如果已经是平均销售额口径可直接计算；如果是交易、日度等细粒度数据，先按门店维度聚合求均值再计算即可。

基础R实现（无需安装额外包） #

1. 提取目标列
   你指定的第10-18列刚好对应从promo_units到kingBars_units的9个产品类别字段，直接按列索引提取即可，避免手动输入列名出错：

# 提取10-18列的产品类别数据
product_data <- df2[, 10:18]

2. 计算相关矩阵

# 默认计算皮尔逊相关系数，complete.obs参数自动剔除含缺失值的行，避免结果出现NA
cor_matrix <- cor(product_data, use = "complete.obs")
# 结果保留3位小数，方便查看
cor_matrix <- round(cor_matrix, 3)

3. 结果使用
   直接运行print(cor_matrix)就能输出两两品类的相关系数：数值越接近1代表两个品类的门店销售额正相关性越强，越接近-1代表负相关性越强，接近0则说明没有明显线性相关关系。
   如果需要快速可视化，可以直接调用基础热图函数：

heatmap(cor_matrix)

可选：细粒度数据前置聚合代码 #

如果你的df2还没聚合到门店维度，先跑以下代码按门店计算各品类平均销售额，再生成相关矩阵：

# 没装dplyr的话先跑install.packages("dplyr")
library(dplyr)
store_avg <- df2 %>%
  group_by(store) %>%
  summarise(across(10:18, ~mean(.x, na.rm = TRUE)))
# 去掉第一列的store门店ID列，再计算相关矩阵
cor_matrix <- cor(store_avg[, -1], use = "complete.obs")

注意事项 #

• 如果数据存在明显异常值、不满足正态分布，可以把相关系数计算方法改为斯皮尔曼等级相关，更稳健：cor(product_data, use = "complete.obs", method = "spearman")
• 从你给出的dput结果看，第10-18列均为数值类型，不会出现类型报错，如果计算结果出现NA，优先检查对应列是否存在全量缺失的情况。

内容的提问来源于stack exchange，提问作者lhc0003