R语言如何按n列值展开重复行并计算Code与Name的相关性

问题1：按n值生成对应数量的重复行 #

你可以直接使用tidyr包的uncount()函数实现，一行代码即可完成，不需要手动循环：

library(tidyr)
library(dplyr)

# 直接按n列的值重复对应行数
df_long <- df %>% uncount(n)

执行后df_long就是你需要的长表，每行会重复n次。

问题2：现有流程合理性和更快捷的方法 #

现有流程的问题 #

你当前的流程有两个明显漏洞：

• 你只做了Name的数值转换，Code列现在还是字符串类型（包含"75"、"R009"等非数值内容），直接传入cor()函数依然会报错
• 如果你要计算的是皮尔逊相关系数，前提是你转成的数值是有实际顺序意义的：比如Name的a~m确实代表从低到高的等级、Code的几个取值也有明确的先后顺序，如果两个都是无序分类变量，硬转数值算出来的皮尔逊相关没有实际解释意义。

无需转长表的快捷方法 #

你已经有每一组的频数n了，完全可以直接计算加权相关系数，不需要展开成长表，既节省内存效率也更高：

1. 如果你确实需要计算皮尔逊相关，直接用加权相关函数即可：

library(dplyr)
library(weights)

# 先将两个分类变量转成数值，注意factor的levels顺序要符合你的实际业务逻辑
df <- df %>%
  mutate(
    Name_num = as.integer(factor(Name, levels = letters[1:13])),
    Code_num = as.integer(factor(Code, levels = c("75", "R009", "R015", "R019")))
  )

# 直接用n作为权重计算相关，不需要展开长表
cor_result <- wtd.cor(x = df$Code_num, y = df$Name_num, weight = df$n)

2. 如果你只是想衡量两个分类变量的关联强度，更建议用专门针对分类变量的指标，比如Cramer's V，它的取值范围是0~1，值越大代表两个变量关联越强，不需要你手动给分类变量赋值顺序，更适合无序分类的场景：

library(rcompanion)
cramer_v_result <- cramerV(Code ~ Name, data = df, weights = df$n)

内容的提问来源于stack exchange，提问作者hachiko