Valeu, Caio! Também fiz um jeito usando R base aqui:
# Matriz de correlação
matriz <- cor(mtcars)
# Nomes das colunas da base mtcars
nomes <- names(mtcars)
# Cria um vetor vazio para salvarmos os resultados
resultado <- c()
for(nome in nomes) {
# Pega uma das variáveis da matriz
valores <- matriz[ , nome]
# Avalia quais outras variáveis tem correlação maior
# que 6 com a coluna selecionada
variaveis <- matriz[valores > 0.6, nome]
# modifica o nome para formar os pares de variáveis
names(variaveis) <- paste(nome, names(variaveis))
# Salva o resultado da de cada iteração no objeto "resultado"
resultado <- c(resultado, variaveis)
}
resultado
#> mpg mpg mpg drat mpg vs cyl cyl cyl disp cyl hp cyl wt disp cyl
#> 1.0000000 0.6811719 0.6640389 1.0000000 0.9020329 0.8324475 0.7824958 0.9020329
#> disp disp disp hp disp wt hp cyl hp disp hp hp hp wt hp carb
#> 1.0000000 0.7909486 0.8879799 0.8324475 0.7909486 1.0000000 0.6587479 0.7498125
#> drat mpg drat drat drat am drat gear wt cyl wt disp wt hp wt wt
#> 0.6811719 1.0000000 0.7127111 0.6996101 0.7824958 0.8879799 0.6587479 1.0000000
#> qsec qsec qsec vs vs mpg vs qsec vs vs am drat am am am gear
#> 1.0000000 0.7445354 0.6640389 0.7445354 1.0000000 0.7127111 1.0000000 0.7940588
#> gear drat gear am gear gear carb hp carb carb
#> 0.6996101 0.7940588 1.0000000 0.7498125 1.0000000
Cara, é isso mesmo. Ele recebe o ID da pessoa e tbm a coluna com as categorias que vc quer fazer o pairwise corr. Ou seja, diferente dos outros jeitos que usam um conjunto de colunas, o pairwise_cor() pensa no formato “derretido”, tipico de um pivot_longer().