如何使用dplyr对分组数据生成所有变量的全相关矩阵

报错原因 #

你之前代码报错的核心原因是group_by分组后，传入cor()的.指代当前分组的全量数据，包含非数值类型的分组列Group，不符合cor()要求输入全数值矩阵/数据框的规则。

最简实现方案 #

基于dplyr 1.0.0及以上版本，使用pick()排除分组列即可实现分组计算全因子相关矩阵：

library(dplyr)

numRows <- 20
myData <- tibble(A = rnorm(numRows),
                 B = rnorm(numRows),
                 C = rnorm(numRows),
                 Group = c(rep("Group1", numRows/2), rep("Group2", numRows/2)))

# 分组计算全因子相关矩阵
cor_result <- myData %>%
  group_by(Group) %>%
  summarise(CorMat = list(cor(pick(-Group))))

最终输出的cor_result是包含两列的tibble：Group为分组标识，CorMat是列表列，每个元素对应分组的相关系数矩阵，可以直接用cor_result$CorMat[[1]]取出第一个分组的矩阵使用。

拓展：输出两两配对长表 #

如果需要把相关矩阵展开为变量两两配对的长格式方便后续分析，可以用如下写法：

cor_long <- myData %>%
  group_by(Group) %>%
  summarise(as.data.frame(as.table(cor(pick(-Group)))))

输出的长表默认包含Var1、Var2、Freq三列，分别代表第一个变量名、第二个变量名、对应相关系数，可按需重命名列名。

兼容性写法（适配低版本dplyr） #

如果你的dplyr版本低于1.0.0不支持pick()，可以用across()自动识别数值列实现相同效果：

cor_result <- myData %>%
  group_by(Group) %>%
  summarise(CorMat = list(cor(across(where(is.numeric)))))

可选：nest_by实现逻辑更清晰 #

如果需要在分组后做更多自定义运算，用nest_by打包分组数据的写法可读性更强：

cor_result <- myData %>%
  nest_by(Group) %>%
  mutate(CorMat = list(cor(data))) %>%
  select(-data)

内容的提问来源于stack exchange，提问作者Andreas