如何重配对现有数据集以获得最高相关性且保留原描述性统计

• 首先明确前提：你要求保留的原始描述性统计量D1，本质是x、y两个变量各自的单变量统计特征（均值、标准差、分位数、极值等），只要不修改x、y本身的取值，仅调整二者的配对关系，这些统计量就会完全保持不变，满足你的约束条件。
• 最大化相关系数的核心逻辑来自排序不等式：当两个取值集合固定的变量严格同序排列时，二者的皮尔逊正相关系数达到理论最大值；如果严格逆序排列，则会得到最大的负相关系数。不需要复杂的重采样或优化算法，直接排序配对即可得到结果。

首先我们用模拟数据演示完整流程，你可以替换成自己的真实数据集：

# 1. 构造/导入你的原始数据集，这里是模拟的100组x、y
set.seed(123)
x <- rnorm(100, mean = 5, sd = 2)
y <- rnorm(100, mean = 10, sd = 3)
raw_df <- data.frame(x, y)
# 查看原始相关系数
cat("原始相关系数：", cor(raw_df$x, raw_df$y), "\n")

# 2. 排序配对得到最大正相关的数据集
x_sort <- sort(raw_df$x)
y_sort <- sort(raw_df$y)
max_pos_cor_df <- data.frame(x = x_sort, y = y_sort)
# 查看重排后的相关系数
cat("重排后最大正相关系数：", cor(max_pos_cor_df$x, max_pos_cor_df$y), "\n")

如果需要得到最大绝对值的相关系数，可以补充生成逆序配对的数据集对比即可：

# 生成最大负相关的配对数据集
y_sort_desc <- sort(raw_df$y, decreasing = TRUE)
max_neg_cor_df <- data.frame(x = x_sort, y = y_sort_desc)
cat("重排后最大负相关系数：", cor(max_neg_cor_df$x, max_neg_cor_df$y), "\n")

你可以直接对比重排前后的单变量统计量，确认D1完全不变：

# 对比x的统计量
summary(raw_df$x)
summary(max_pos_cor_df$x)
# 对比y的统计量
summary(raw_df$y)
summary(max_pos_cor_df$y)

内容的提问来源于stack exchange，提问作者Stanley