R：根据匹配的行和列名称从相关矩阵中删除项目答案

【问题标题】：R: Remove items from a correlation matrix based on matching row and column nameR：根据匹配的行和列名称从相关矩阵中删除项目
【发布时间】：2018-10-21 18:31:31
【问题描述】：

让我们看一个示例矩阵并计算相关性：

some.data <- data.frame(
  A1.1 = c(1,3,4,5,6),
  A1.2 = c(4,5,6,2,3),
  A1.3 = c(3,3,4,2,1),
  A2.1 = c(3,4,5,2,4),
  A2.2 = c(4,5,5,4,2),
  A2.3 = c(1,1,2,2,3),
  A3.1 = c(1,3,4,5,6),
  A3.2 = c(1,4,3,3,4),
  A3.3 = c(4,4,4,4,5)
)
cor.mat <- cor(some.data)

这给出了：

            A1.1       A1.2       A1.3       A2.1       A2.2       A2.3        A3.1       A3.2       A3.3
A1.1  1.00000000 -0.4109975 -0.6155470 0.06839411 -0.5305954  0.9009862  1.00000000  0.7428336  0.6393620
A1.2 -0.41099747  1.0000000  0.8320503 0.83205029  0.6454972 -0.3779645 -0.41099747  0.0000000 -0.3535534
A1.3 -0.61554702  0.8320503  1.0000000 0.42307692  0.8951436 -0.6289709 -0.61554702 -0.3580574 -0.7844645
A2.1  0.06839411  0.8320503  0.4230769 1.00000000  0.1790287  0.1572427  0.06839411  0.3580574  0.1961161
A2.2 -0.53059545  0.6454972  0.8951436 0.17902872  1.0000000 -0.7319251 -0.53059545 -0.1666667 -0.9128709
A2.3  0.90098616 -0.3779645 -0.6289709 0.15724273 -0.7319251  1.0000000  0.90098616  0.4879500  0.8017837
A3.1  1.00000000 -0.4109975 -0.6155470 0.06839411 -0.5305954  0.9009862  1.00000000  0.7428336  0.6393620
A3.2  0.74283363  0.0000000 -0.3580574 0.35805744 -0.1666667  0.4879500  0.74283363  1.0000000  0.4564355
A3.3  0.63936201 -0.3535534 -0.7844645 0.19611614 -0.9128709  0.8017837  0.63936201  0.4564355  1.0000000

在我的原始数据中，有些列是依赖的，这里用前缀（A1、A2、A3）表示。由于这些对我不感兴趣，我想将具有相同前缀的相关性设置为零，如下所示：

           A1.1       A1.2       A1.3       A2.1       A2.2       A2.3        A3.1       A3.2       A3.3
A1.1          0         0          0   0.06839411 -0.5305954  0.9009862  1.00000000  0.7428336  0.6393620
A1.2          0         0          0   0.83205029  0.6454972 -0.3779645 -0.41099747  0.0000000 -0.3535534
A1.3          0         0          0   0.42307692  0.8951436 -0.6289709 -0.61554702 -0.3580574 -0.7844645
A2.1  0.06839411  0.8320503  0.4230769          0          0          0  0.06839411  0.3580574  0.1961161
A2.2 -0.53059545  0.6454972  0.8951436          0          0          0 -0.53059545 -0.1666667 -0.9128709
A2.3  0.90098616 -0.3779645 -0.6289709          0          0          0  0.90098616  0.4879500  0.8017837
A3.1  1.00000000 -0.4109975 -0.6155470 0.06839411 -0.5305954  0.9009862           0          0          0
A3.2  0.74283363  0.0000000 -0.3580574 0.35805744 -0.1666667  0.4879500           0          0          0 
A3.3  0.63936201 -0.3535534 -0.7844645 0.19611614 -0.9128709  0.8017837           0          0          0

我可以使用 for 循环来做到这一点，但我想这可能比这更容易做到吗？

【问题讨论】：

标签： r matrix correlation

【解决方案1】：

一种选择是将数据从宽调整为长，使其包含三列

cor.mat_long <- reshape2::melt(cor.mat)
cor.mat_long
#   Var1 Var2       value
#1  A1.1 A1.1  1.00000000
#2  A1.2 A1.1 -0.41099747
#3  A1.3 A1.1 -0.61554702
#4  A2.1 A1.1  0.06839411
#5  A2.2 A1.1 -0.53059545
#6  A2.3 A1.1  0.90098616
#...

根据Var1 和Var2 的前缀创建一个逻辑向量，指示这些前缀何时相同。使用此向量将cor.mat_long$value 替换为0，其计算结果为TRUE

cor.mat_long$value[with(cor.mat_long, sub("\\.\\d+$", "", Var1) == sub("\\.\\d+$", "", Var2))] <- 0

终于又改成宽幅了。

cor.mat2 <- reshape2::dcast(cor.mat_long, Var1 ~ Var2)
cor.mat2
#  Var1        A1.1       A1.2       A1.3       A2.1       A2.2       A2.3        A3.1       A3.2       A3.3
#1 A1.1  0.00000000  0.0000000  0.0000000 0.06839411 -0.5305954  0.9009862  1.00000000  0.7428336  0.6393620
#2 A1.2  0.00000000  0.0000000  0.0000000 0.83205029  0.6454972 -0.3779645 -0.41099747  0.0000000 -0.3535534
#3 A1.3  0.00000000  0.0000000  0.0000000 0.42307692  0.8951436 -0.6289709 -0.61554702 -0.3580574 -0.7844645
#4 A2.1  0.06839411  0.8320503  0.4230769 0.00000000  0.0000000  0.0000000  0.06839411  0.3580574  0.1961161
#5 A2.2 -0.53059545  0.6454972  0.8951436 0.00000000  0.0000000  0.0000000 -0.53059545 -0.1666667 -0.9128709
#6 A2.3  0.90098616 -0.3779645 -0.6289709 0.00000000  0.0000000  0.0000000  0.90098616  0.4879500  0.8017837
#7 A3.1  1.00000000 -0.4109975 -0.6155470 0.06839411 -0.5305954  0.9009862  0.00000000  0.0000000  0.0000000
#8 A3.2  0.74283363  0.0000000 -0.3580574 0.35805744 -0.1666667  0.4879500  0.00000000  0.0000000  0.0000000
#9 A3.3  0.63936201 -0.3535534 -0.7844645 0.19611614 -0.9128709  0.8017837  0.00000000  0.0000000  0.0000000

如果您不想将 Var1 作为显式列，请执行

rownames(cor.mat2) <- cor.mat2$Var1
cor.mat2 <- cor.mat2[-1]

不知道这是否比你的循环容易得多。

【讨论】：

【解决方案2】：

我们可以乘以 1 的块对角矩阵

library(Matrix)
as.matrix(cor.mat * !bdiag(replicate(3, matrix(1, 3, 3), simplify = FALSE)))
#        A1.1       A1.2       A1.3       A2.1       A2.2       A2.3        A3.1       A3.2       A3.3
#A1.1  0.00000000  0.0000000  0.0000000 0.06839411 -0.5305954  0.9009862  1.00000000  0.7428336  0.6393620
#A1.2  0.00000000  0.0000000  0.0000000 0.83205029  0.6454972 -0.3779645 -0.41099747  0.0000000 -0.3535534
#A1.3  0.00000000  0.0000000  0.0000000 0.42307692  0.8951436 -0.6289709 -0.61554702 -0.3580574 -0.7844645
#A2.1  0.06839411  0.8320503  0.4230769 0.00000000  0.0000000  0.0000000  0.06839411  0.3580574  0.1961161
#A2.2 -0.53059545  0.6454972  0.8951436 0.00000000  0.0000000  0.0000000 -0.53059545 -0.1666667 -0.9128709
#A2.3  0.90098616 -0.3779645 -0.6289709 0.00000000  0.0000000  0.0000000  0.90098616  0.4879500  0.8017837
#A3.1  1.00000000 -0.4109975 -0.6155470 0.06839411 -0.5305954  0.9009862  0.00000000  0.0000000  0.0000000
#A3.2  0.74283363  0.0000000 -0.3580574 0.35805744 -0.1666667  0.4879500  0.00000000  0.0000000  0.0000000
#A3.3  0.63936201 -0.3535534 -0.7844645 0.19611614 -0.9128709  0.8017837  0.00000000  0.0000000  0.0000000

或者另一种选择是使用row/column索引

replace(cor.mat, cbind(rep(1:9, each = 3),
       c(sapply(list(1:3, 4:6, 7:9), rep, 3))), 0)

或者使用outer构造一个逻辑矩阵并与cor.mat相乘

nm1 <- sub("\\.\\d+$", "", colnames(cor.mat))
cor.mat * outer(nm1, nm1, `!=`)

【讨论】：

这仅适用于本示例的模式代表整个数据的情况。如果依赖列的数量是可变的，那将不起作用（注意：我确实喜欢这个非常干净的解决方案！）
很公平 :) 我赞成它，因为它真的很棒。我的评论是为了提醒 OP，以防他的示例不能代表整个数据。