Remove highly correlated variables from a data frame using the
correlation functions' outputs and the findCorrelation function from the caret package.
Usage
corr_rm(df, c, ...)
# S3 method for class 'clist'
corr_rm(
df,
c,
col = c("infer.value", "stat.value"),
isig = TRUE,
cutoff = 0.75,
...
)
# S3 method for class 'list'
corr_rm(
df,
c,
col = c("infer.value", "stat.value"),
isig = TRUE,
cutoff = 0.75,
...
)
# S3 method for class 'cmatrix'
corr_rm(df, c, cutoff = 0.75, ...)
# S3 method for class 'matrix'
corr_rm(df, c, cutoff = 0.75, ...)Arguments
- df
[
data.frame(1)]
The input data frame.- c
[
clist(1)|cmatrix(1)]
A correlation list output from thecorrpfunction (with classclist), or a correlation matrix output from thecorr_matrixfunction (with classcmatrix).- ...
Additional arguments.
- col
[
character(1)]
The column to be used in the correlation matrix.- isig
[
logical(1)]
Whether values that are not statistically significant should be represented byNAorFALSEin the correlation matrix.- cutoff
[
numeric(1)]
A numeric value for the pairwise absolute correlation cutoff. The default value is 0.75.
Examples
iris_clist <- corrp(iris)
iris_cmatrix <- corr_matrix(iris_clist)
corr_rm(df = iris, c = iris_clist, cutoff = 0.75, col = "infer.value", isig = FALSE)
#> Sepal.Length Sepal.Width
#> 1 5.1 3.5
#> 2 4.9 3.0
#> 3 4.7 3.2
#> 4 4.6 3.1
#> 5 5.0 3.6
#> 6 5.4 3.9
#> 7 4.6 3.4
#> 8 5.0 3.4
#> 9 4.4 2.9
#> 10 4.9 3.1
#> 11 5.4 3.7
#> 12 4.8 3.4
#> 13 4.8 3.0
#> 14 4.3 3.0
#> 15 5.8 4.0
#> 16 5.7 4.4
#> 17 5.4 3.9
#> 18 5.1 3.5
#> 19 5.7 3.8
#> 20 5.1 3.8
#> 21 5.4 3.4
#> 22 5.1 3.7
#> 23 4.6 3.6
#> 24 5.1 3.3
#> 25 4.8 3.4
#> 26 5.0 3.0
#> 27 5.0 3.4
#> 28 5.2 3.5
#> 29 5.2 3.4
#> 30 4.7 3.2
#> 31 4.8 3.1
#> 32 5.4 3.4
#> 33 5.2 4.1
#> 34 5.5 4.2
#> 35 4.9 3.1
#> 36 5.0 3.2
#> 37 5.5 3.5
#> 38 4.9 3.6
#> 39 4.4 3.0
#> 40 5.1 3.4
#> 41 5.0 3.5
#> 42 4.5 2.3
#> 43 4.4 3.2
#> 44 5.0 3.5
#> 45 5.1 3.8
#> 46 4.8 3.0
#> 47 5.1 3.8
#> 48 4.6 3.2
#> 49 5.3 3.7
#> 50 5.0 3.3
#> 51 7.0 3.2
#> 52 6.4 3.2
#> 53 6.9 3.1
#> 54 5.5 2.3
#> 55 6.5 2.8
#> 56 5.7 2.8
#> 57 6.3 3.3
#> 58 4.9 2.4
#> 59 6.6 2.9
#> 60 5.2 2.7
#> 61 5.0 2.0
#> 62 5.9 3.0
#> 63 6.0 2.2
#> 64 6.1 2.9
#> 65 5.6 2.9
#> 66 6.7 3.1
#> 67 5.6 3.0
#> 68 5.8 2.7
#> 69 6.2 2.2
#> 70 5.6 2.5
#> 71 5.9 3.2
#> 72 6.1 2.8
#> 73 6.3 2.5
#> 74 6.1 2.8
#> 75 6.4 2.9
#> 76 6.6 3.0
#> 77 6.8 2.8
#> 78 6.7 3.0
#> 79 6.0 2.9
#> 80 5.7 2.6
#> 81 5.5 2.4
#> 82 5.5 2.4
#> 83 5.8 2.7
#> 84 6.0 2.7
#> 85 5.4 3.0
#> 86 6.0 3.4
#> 87 6.7 3.1
#> 88 6.3 2.3
#> 89 5.6 3.0
#> 90 5.5 2.5
#> 91 5.5 2.6
#> 92 6.1 3.0
#> 93 5.8 2.6
#> 94 5.0 2.3
#> 95 5.6 2.7
#> 96 5.7 3.0
#> 97 5.7 2.9
#> 98 6.2 2.9
#> 99 5.1 2.5
#> 100 5.7 2.8
#> 101 6.3 3.3
#> 102 5.8 2.7
#> 103 7.1 3.0
#> 104 6.3 2.9
#> 105 6.5 3.0
#> 106 7.6 3.0
#> 107 4.9 2.5
#> 108 7.3 2.9
#> 109 6.7 2.5
#> 110 7.2 3.6
#> 111 6.5 3.2
#> 112 6.4 2.7
#> 113 6.8 3.0
#> 114 5.7 2.5
#> 115 5.8 2.8
#> 116 6.4 3.2
#> 117 6.5 3.0
#> 118 7.7 3.8
#> 119 7.7 2.6
#> 120 6.0 2.2
#> 121 6.9 3.2
#> 122 5.6 2.8
#> 123 7.7 2.8
#> 124 6.3 2.7
#> 125 6.7 3.3
#> 126 7.2 3.2
#> 127 6.2 2.8
#> 128 6.1 3.0
#> 129 6.4 2.8
#> 130 7.2 3.0
#> 131 7.4 2.8
#> 132 7.9 3.8
#> 133 6.4 2.8
#> 134 6.3 2.8
#> 135 6.1 2.6
#> 136 7.7 3.0
#> 137 6.3 3.4
#> 138 6.4 3.1
#> 139 6.0 3.0
#> 140 6.9 3.1
#> 141 6.7 3.1
#> 142 6.9 3.1
#> 143 5.8 2.7
#> 144 6.8 3.2
#> 145 6.7 3.3
#> 146 6.7 3.0
#> 147 6.3 2.5
#> 148 6.5 3.0
#> 149 6.2 3.4
#> 150 5.9 3.0
corr_rm(df = iris, c = iris_cmatrix, cutoff = 0.75, col = "infer.value", isig = FALSE)
#> Sepal.Length Sepal.Width
#> 1 5.1 3.5
#> 2 4.9 3.0
#> 3 4.7 3.2
#> 4 4.6 3.1
#> 5 5.0 3.6
#> 6 5.4 3.9
#> 7 4.6 3.4
#> 8 5.0 3.4
#> 9 4.4 2.9
#> 10 4.9 3.1
#> 11 5.4 3.7
#> 12 4.8 3.4
#> 13 4.8 3.0
#> 14 4.3 3.0
#> 15 5.8 4.0
#> 16 5.7 4.4
#> 17 5.4 3.9
#> 18 5.1 3.5
#> 19 5.7 3.8
#> 20 5.1 3.8
#> 21 5.4 3.4
#> 22 5.1 3.7
#> 23 4.6 3.6
#> 24 5.1 3.3
#> 25 4.8 3.4
#> 26 5.0 3.0
#> 27 5.0 3.4
#> 28 5.2 3.5
#> 29 5.2 3.4
#> 30 4.7 3.2
#> 31 4.8 3.1
#> 32 5.4 3.4
#> 33 5.2 4.1
#> 34 5.5 4.2
#> 35 4.9 3.1
#> 36 5.0 3.2
#> 37 5.5 3.5
#> 38 4.9 3.6
#> 39 4.4 3.0
#> 40 5.1 3.4
#> 41 5.0 3.5
#> 42 4.5 2.3
#> 43 4.4 3.2
#> 44 5.0 3.5
#> 45 5.1 3.8
#> 46 4.8 3.0
#> 47 5.1 3.8
#> 48 4.6 3.2
#> 49 5.3 3.7
#> 50 5.0 3.3
#> 51 7.0 3.2
#> 52 6.4 3.2
#> 53 6.9 3.1
#> 54 5.5 2.3
#> 55 6.5 2.8
#> 56 5.7 2.8
#> 57 6.3 3.3
#> 58 4.9 2.4
#> 59 6.6 2.9
#> 60 5.2 2.7
#> 61 5.0 2.0
#> 62 5.9 3.0
#> 63 6.0 2.2
#> 64 6.1 2.9
#> 65 5.6 2.9
#> 66 6.7 3.1
#> 67 5.6 3.0
#> 68 5.8 2.7
#> 69 6.2 2.2
#> 70 5.6 2.5
#> 71 5.9 3.2
#> 72 6.1 2.8
#> 73 6.3 2.5
#> 74 6.1 2.8
#> 75 6.4 2.9
#> 76 6.6 3.0
#> 77 6.8 2.8
#> 78 6.7 3.0
#> 79 6.0 2.9
#> 80 5.7 2.6
#> 81 5.5 2.4
#> 82 5.5 2.4
#> 83 5.8 2.7
#> 84 6.0 2.7
#> 85 5.4 3.0
#> 86 6.0 3.4
#> 87 6.7 3.1
#> 88 6.3 2.3
#> 89 5.6 3.0
#> 90 5.5 2.5
#> 91 5.5 2.6
#> 92 6.1 3.0
#> 93 5.8 2.6
#> 94 5.0 2.3
#> 95 5.6 2.7
#> 96 5.7 3.0
#> 97 5.7 2.9
#> 98 6.2 2.9
#> 99 5.1 2.5
#> 100 5.7 2.8
#> 101 6.3 3.3
#> 102 5.8 2.7
#> 103 7.1 3.0
#> 104 6.3 2.9
#> 105 6.5 3.0
#> 106 7.6 3.0
#> 107 4.9 2.5
#> 108 7.3 2.9
#> 109 6.7 2.5
#> 110 7.2 3.6
#> 111 6.5 3.2
#> 112 6.4 2.7
#> 113 6.8 3.0
#> 114 5.7 2.5
#> 115 5.8 2.8
#> 116 6.4 3.2
#> 117 6.5 3.0
#> 118 7.7 3.8
#> 119 7.7 2.6
#> 120 6.0 2.2
#> 121 6.9 3.2
#> 122 5.6 2.8
#> 123 7.7 2.8
#> 124 6.3 2.7
#> 125 6.7 3.3
#> 126 7.2 3.2
#> 127 6.2 2.8
#> 128 6.1 3.0
#> 129 6.4 2.8
#> 130 7.2 3.0
#> 131 7.4 2.8
#> 132 7.9 3.8
#> 133 6.4 2.8
#> 134 6.3 2.8
#> 135 6.1 2.6
#> 136 7.7 3.0
#> 137 6.3 3.4
#> 138 6.4 3.1
#> 139 6.0 3.0
#> 140 6.9 3.1
#> 141 6.7 3.1
#> 142 6.9 3.1
#> 143 5.8 2.7
#> 144 6.8 3.2
#> 145 6.7 3.3
#> 146 6.7 3.0
#> 147 6.3 2.5
#> 148 6.5 3.0
#> 149 6.2 3.4
#> 150 5.9 3.0