当在大型数据集上生成相关矩阵时，会存在多个具有相同值的变量，因此无法进行相关并输出NA。我的问题是，在输出相关矩阵之前，如何删除具有这些NA值的所有行和列，或解决此缺陷。所以在这个例子中
df <- as.data.frame(matrix(sample(0:10, 3*8, replace=TRUE), ncol=3))
df$V4 <- rep(3, times = 8)
df$V5 <- rep(2, times = 8)
correlation <- cor(df)
我尝试了不同的方法来克服这个问题，首先通过在相关性计算中增加用途...
correlation_two <- cor(df, use = "pairwise.complete.obs")
但这没有影响。我还尝试了各种方法来删除NA值，但这些方法似乎都不起作用。
output1 <- na.omit(correlation)
output2 <- correlation[complete.cases(correlation),]
output3 <-correlation[,colSums(is.na(correlation))==0]
output4 <- correlation[, !colSums(is.na(correlation)) >1,drop=FALSE] #Removing columns
output4 <- output4[!rowSums(is.na(output4)) >1,drop=FALSE,]#Then rows
先感谢您。
最佳答案
我认为最好是预防问题，而不是事后解决。
标识只有一个值的列：
select_for_correlation <- sapply(df,function(x)(length(unique(x))>1))
然后进行分析：
res <- cor(df[,select_for_correlation])
> res
V1 V2 V3
V1 1.00000000 -0.06801818 -0.04626592
V2 -0.06801818 1.00000000 -0.21533949
V3 -0.04626592 -0.21533949 1.00000000