如何用R计算数据框Varietes列每个品种对应变量的相关性

直接使用分组聚合的逻辑即可完成批量计算，无需手动拆分数据集，同时可封装为函数实现长期复用：

基础实现（仅输出相关系数和样本量） #

首先加载依赖包：

install.packages("tidyverse") # 未安装时执行
library(dplyr)

计算代码：

# 按Varietes分组计算ASIi与Hauteur.des.pieds的皮尔逊相关系数
cor_result <- dataset3 %>%
  group_by(Varietes) %>%
  summarise(
    相关系数 = cor(ASIi, Hauteur.des.pieds, use = "complete.obs"),
    样本量 = n(),
    .groups = "drop"
  )

use = "complete.obs"参数会自动忽略分组内存在缺失值的行，避免计算报错。

可复用函数封装 #

将逻辑封装为函数，后续更换变量、更换数据集都无需重复写逻辑：

calc_group_cor <- function(data, group_col, var_x, var_y) {
  data %>%
    group_by(across({{ group_col }})) %>%
    summarise(
      相关系数 = cor({{ var_x }}, {{ var_y }}, use = "complete.obs"),
      样本量 = n(),
      .groups = "drop"
    )
}

调用示例：

# 计算ASIi和株高的分组相关
res1 <- calc_group_cor(dataset3, Varietes, ASIi, Hauteur.des.pieds)
# 计算ASIi和穗位高的分组相关
res2 <- calc_group_cor(dataset3, Varietes, ASIi, Hauteur.des.soies)

带显著性检验的版本 #

如果需要输出相关性的p值，可以结合broom包提取检验结果：

library(broom)
calc_group_cor_with_signif <- function(data, group_col, var_x, var_y) {
  data %>%
    group_by(across({{ group_col }})) %>%
    filter(n() >= 3) %>% # 过滤样本量小于3的分组，避免检验报错
    summarise(
      cor_test = list(cor.test({{ var_x }}, {{ var_y }}, use = "complete.obs")),
      .groups = "drop"
    ) %>%
    unnest_wider(cor_test) %>%
    select(
      品种 = {{ group_col }},
      相关系数 = estimate,
      p值 = p.value,
      置信区间下限 = conf.low,
      置信区间上限 = conf.high,
      样本量 = parameter
    )
}

# 调用
res_with_p <- calc_group_cor_with_signif(dataset3, Varietes, ASIi, Hauteur.des.pieds)

以上代码对品种数量无限制，即使真实数据集有50个以上品种，也可以一键完成计算，不需要额外修改代码逻辑。

内容的提问来源于stack exchange，提问作者Jean Mergnat