子集数据框根据基于相关性的标准

Question

我有一个数据框，并希望创建一个函数，其中只保留具有低相关性的变量。这意味着查看每个变量与其余变量的成对相关性，并且对于那些至少有一个相关系数大于0.4的变量，从数据框中取出这个变量和一个高度相关的变量。

例如假设我有一个数据帧：

data <- data.frame(x1=rnorm(10), x2=rnorm(10), x3=runif(10), x4=runif(10,15,20)) 
cor(data, use="pairwise.complete.obs") 

      x1   x2   x3   x4 
x1 1.00000000 -0.3325757 0.08567911 0.2651721 
x2 -0.33257569 1.0000000 -0.18761301 0.4660056 
x3 0.08567911 -0.1876130 1.00000000 -0.03 
x4 0.26517210 0.4660056 -0.031 1.0000000 

然后我会喜欢返回一个数据帧只保持X 1和X（假定x2和x4具有0.46的相关性）

Answer 1

计算相关矩阵cd，检查是否有什么>0.4。 然后离开子集，忽略diag onals，其中row==col：

cd <- abs(cor(data, use="pairwise.complete.obs")) > 0.4 
data[-unique(col(cd)[cd & row(cd) != col(cd)])] 

Answer 2

你可以尝试：

set.seed(50) 
data <- data.frame(x1=rnorm(10), x2=rnorm(10), x3=runif(10), x4=runif(10,15,20)) 
mycor <- cor(data, use="pairwise.complete.obs") 
data[, !apply(mycor, 2, function (x) max(x[-which.max(x)]) >.4 | min(x[which.min(x)]) < -.4) ]