Detectar asociaciones entre columnas

Calcula Pearson —o Spearman, si se pide— entre numéricas, V de Cramér entre categóricas y eta cuadrado entre una categórica y una numérica. Las medidas se informan en [0, 1]: la correlación usa su valor absoluto. La tabla declara el método, su supuesto, el soporte y el posible muestreo; no presenta significancia estadística.

Usage

detectar_asociaciones(
  datos,
  dependencias = NULL,
  umbral = 0.3,
  muestra = 10000,
  max_columnas = 50L,
  max_niveles = 50L,
  max_pares = 500L,
  metodo_numerico = c("pearson", "spearman")
)

Arguments

datos

Tabla que se desea examinar.

dependencias

Resultado opcional de detectar_dependencias().

umbral

Valor mínimo en [0, 1] que se informa.

muestra

Máximo común de filas; Inf desactiva el muestreo.

max_columnas

Máximo de columnas analizables.

max_niveles

Máximo de niveles para tratar una columna como categórica.

max_pares

Máximo de asociaciones devueltas después de ordenar.

metodo_numerico

Medida entre columnas numéricas: "pearson" por omisión, o "spearman" para asociación monótona sobre los rangos.

Value

Data frame S3 asociaciones_columnas. Sus atributos declaran filas, columnas y pares examinados, omisiones por dependencia y truncamiento. pares_omitidos_medicion conserva los pares que no se pudieron medir, junto con el motivo y la cantidad de filas completas disponible. Su atributo cobertura_diagnosticos tiene una fila por par omitido. Cuando analizar() integra el resultado, esas filas se agregan a la cobertura del perfil.

Details

metodo_numerico = "spearman" mide asociación monótona sobre los rangos y no supone linealidad, así que reconoce una relación creciente aunque sea curva. Pearson sigue siendo el valor por omisión porque es lo que la mayoría espera de una correlación, y el método elegido viaja en la columna metodo de la salida para que ninguna lectura dependa de recordar cuál se pidió.

Se descartan constantes, fechas, listas, columnas compuestas —matrices o arreglos de más de una dimensión—, categóricas de cardinalidad alta y columnas posteriores a max_columnas antes de construir pares. Las dependencias funcionales exactas recibidas en dependencias no se repiten como asociaciones.

See also

detectar_dependencias(), analizar()

Examples

d <- data.frame(x = 1:20, y = 2 * (1:20), grupo = rep(c("A", "B"), 10))
detectar_asociaciones(d, umbral = 0)
#>   columna_1 columna_2   tipo_1     tipo_2           metodo
#> 1         x         y numerica   numerica pearson_absoluto
#> 2         x     grupo numerica categorica             eta2
#> 3         y     grupo numerica categorica             eta2
#>                                                                              supuesto
#> 1 Las columnas numericas se tratan como cuantitativas; la escala no queda confirmada.
#> 2            La columna numerica se trata como cuantitativa y la otra como categoria.
#> 3            La columna numerica se trata como cuantitativa y la otra como categoria.
#>    asociacion n_pares
#> 1 1.000000000      20
#> 2 0.007518797      20
#> 3 0.007518797      20