correlación de Spearman por grupo en R

Question

¿Cómo se calcula la correlación de Spearman por grupo en R. Encontré el siguiente enlace que habla de la correlación de Pearson por grupo. Pero cuando traté de reemplazar el tipo con Spearman, no funciona.

https://stats.stackexchange.com/questions/4040/r-compute-correlation-by-group

Answer 1

¿Qué tal esto para una solución de base R:

df <- data.frame(group = rep(c("G1", "G2"), each = 10), 
       var1 = rnorm(20), 
       var2 = rnorm(20)) 

r <- by(df, df$group, FUN = function(X) cor(X$var1, X$var2, method = "spearman")) 
# df$group: G1 
# [1] 0.4060606 
# ------------------------------------------------------------ 
# df$group: G2 
# [1] 0.1272727 

Y luego, si desea que los resultados en forma de un hoja.de.datos:

data.frame(group = dimnames(r)[[1]], corr = as.vector(r)) 
# group  corr 
# 1 G1 0.4060606 
# 2 G2 0.1272727 

EDITAR: Si prefiere una solución basada en plyr, aquí hay una:

library(plyr) 
ddply(df, .(group), summarise, "corr" = cor(var1, var2, method = "spearman")) 

Answer 2

Ésta es otra manera de hacerlo:

# split the data by group then apply spearman correlation 
# to each element of that list 
j <- lapply(split(df, df$group), function(x){cor(x[,2], x[,3], method = "spearman")}) 

# Bring it together 
data.frame(group = names(j), corr = unlist(j), row.names = NULL) 

Comparando mi método, el método de Josh, y la solución plyr usando rbenchmark:

Dason <- function(){ 
    # split the data by group then apply spearman correlation 
    # to each element of that list 
    j <- lapply(split(df, df$group), function(x){cor(x[,2], x[,3], method = "spearman")}) 

    # Bring it together 
    data.frame(group = names(j), corr = unlist(j), row.names = NULL) 
} 

Josh <- function(){ 
    r <- by(df, df$group, FUN = function(X) cor(X$var1, X$var2, method = "spearman")) 
    data.frame(group = attributes(r)$dimnames[[1]], corr = as.vector(r)) 
} 

plyr <- function(){ 
    ddply(df, .(group), summarise, "corr" = cor(var1, var2, method = "spearman")) 
} 


library(rbenchmark) 
benchmark(Dason(), Josh(), plyr()) 

que da la salida

> benchmark(Dason(), Josh(), plyr()) 
    test replications elapsed relative user.self sys.self user.child sys.child 
1 Dason()   100 0.19 1.000000  0.19  0   NA  NA 
2 Josh()   100 0.24 1.263158  0.22  0   NA  NA 
3 plyr()   100 0.51 2.684211  0.52  0   NA  NA 

Parece que mi método es un poco más rápido pero no mucho. Creo que el método de Josh es un poco más intuitivo. La solución plyr es la más fácil de codificar pero no es la más rápida (¡pero seguro que es mucho más conveniente)!

Answer 3

Si desea una solución eficiente para grandes cantidades de grupos, entonces data.table es el camino a seguir.

library(data.table) 
DT <- as.data.table(df) 
setkey(DT, group) 
DT[,list(corr = cor(var1,var2,method = 'spearman')), by = group]