按组使用 cov.wt 和 data.table 的加权相关性

Question

我有一个像这样的data.table：

set.seed(12345)
mydt <- data.table(gr1 = sample(letters[1:2], size = 100, replace = TRUE),
        gr2 = sample(letters[3:4], size = 100, replace = TRUE),
        a = rnorm(100), b = rnorm(100), weight = rnorm(100, 5, 1))

gr1 和 gr2 指定每个案例的组成员身份。我想使用weight 列通过gr1 和gr2 指定的组成员资格从cov.wt 函数中获取相关矩阵。如果cor = TRUE，cov.wt 返回相关矩阵。我可以将mydt 拆分为gr1 和gr2，然后使用lapply 进行计算并提取每个相关矩阵：

mydt <- split(x = mydt, by = c("gr1", "gr2"), drop = TRUE)

lapply(X = mydt, FUN = function(i) {
  cov.wt(x = as.matrix(i[ , c("a", "b")]), wt = i[ , weight], cor = TRUE)[["cor"]]
})

我得到了我想要的：

$b.c
                    a                   b
a 0.99999999999999978 0.26861150206539375
b 0.26861150206539375 0.99999999999999978

$a.c
                     a                    b
a  0.99999999999999978 -0.13281683546112405
b -0.13281683546112405  1.00000000000000000

$b.d
                     a                    b
a  1.00000000000000000 -0.13064774898011455
b -0.13064774898011455  1.00000000000000000

$a.d
                     a                    b
a  0.99999999999999978 -0.61122086293705469
b -0.61122086293705458  0.99999999999999978

但是，对于大型数据集，这种方法相当慢。我想使用data.table 的方式来实现这一点，就像Dan Y under this question 的帖子一样。你，我很挣扎，因为额外的参数和从cov.wt 函数返回的列表中提取相关矩阵。我尝试了以下（加上许多变体）：

mydt[ , .(cov.wt(as.matrix(a, b), wt = weight, cor = TRUE)["cor"]), by = c("gr1", "gr2")]

我最后得到的只是每个矩阵对角线的第一个值。

我做错了什么？

Answer 1

这里，as.matrix 是错误的，因为“x”是单个元素而不是多个元素（基于 ?as.matrix）。一种选择是通过cbinding 向量'a'、'b' 转换为矩阵，然后将输出包装在一个列表中（使用.()）

library(data.table)
out <- mydt[ , .(.(cov.wt(cbind(a,b), wt = weight, cor = TRUE)["cor"])), 
    by = c("gr1", "gr2")]
out$V1
#[[1]]
#[[1]]$cor
#          a         b
#a 1.0000000 0.2686115
#b 0.2686115 1.0000000


#[[2]]
#[[2]]$cor
#           a          b
#a  1.0000000 -0.1328168
#b -0.1328168  1.0000000


#[[3]]
#[[3]]$cor
#           a          b
#a  1.0000000 -0.1306477
#b -0.1306477  1.0000000


#[[4]]
#[[4]]$cor
#           a          b
#a  1.0000000 -0.6112209
#b -0.6112209  1.0000000

注意：由于种子，值存在差异