R语言：如何在多数据框列表中计算X0与其余列的相关性

问题出在哪 #

两个层面的错误直接导致了报错和逻辑偏差：

• 数据结构完全不对：replicate默认遇到同维度的重复输出会自动折叠成多维数组，根本不会生成你想要的“每个元素是独立数据框”的列表。你打印出来的dataframes是3维结构，所以用lapply遍历的时候拿到的不是二维数据框，自然报incorrect number of dimensions的错。
• 计算逻辑全是漏洞：
  • 从数据框里提取单列之后本身就是数值向量，不需要再写$V1二次索引
  • 你要算X0和X2到X19的相关性，结果用x[-c(1:1)]去掉第一列，把X1（第二列）也混进了计算范围
  • 循环里最后写return(x)返回的是原始数据框，等于算完了也没把结果存下来，白跑

正确的实现步骤 #

• 先重新生成符合结构要求的列表数据
  给replicate加simplify = FALSE参数，强制输出独立元素组成的列表，关掉自动折叠成多维数组的默认行为：

  # 生成10组样本，每组是100行20列的标准正态分布数据
  data_list <- replicate(
    n = 10,
    expr = as.data.frame(replicate(20, rnorm(100))),
    simplify = FALSE
  )
  # 用str(data_list)验证：长度为10的列表，每个元素都是100行20列的data.frame，这才是你想要的结构
  

• 再修正循环内的计算逻辑
  按照需求，每个数据框里取第一列当X0，取第3到20列当X2到X19，算完直接返回相关性结果就行：

  cor_results <- lapply(data_list, function(each_df) {
    # 提取X0：每个df的第一列
    x0 <- each_df[, 1]
    # 提取要对比的样本：X2到X19，对应列索引3到20
    target_samples <- each_df[, 3:20]
    # 计算相关性，直接返回
    cor(x = x0, y = target_samples)
  })
  

• 可选优化：给计算结果加上对应样本名，省得对着索引找对应关系：

  cor_results <- lapply(data_list, function(each_df) {
    x0 <- each_df[, 1]
    target_samples <- each_df[, 3:20]
    res <- cor(x = x0, y = target_samples)
    # 给结果加上样本名
    setNames(res, nm = paste0("X", 2:19))
  })
  

容易踩的坑 #

• 用replicate想要得到列表结构的时候，一定要加simplify = FALSE，默认的自动折叠行为对固定维度的重复输出非常常见，很容易出现维度不匹配的低级报错
• 写lapply循环的时候，function里的返回值一定要是你需要的计算结果，别为了测试方便把原始数据返回，做无用功

内容的提问来源于stack exchange，提问作者Pinus