如何在 R 中排列几对变量之间的相关性？

问：

我想计算来自两个数据帧的变量对之间的相关性，最好使用 cor.test，这样我就可以使用估计值或统计量来比较 p 值。我的真实数据（而不是练习虚拟数据）在 df1 中有 20 个样本和 40 个变量，在 df2 中有 20 个样本和 345 个变量。

他们研究两个变量之间的互换相关性的一些示例使用了 for 循环、https://bookdown.org/curleyjp0/psy317l_guides5/permutation-testing.html#correlation-coefficient-permutation-tests 和 https://dgarcia-eu.github.io/SocialDataScience/5_SocialNetworkPhenomena/056_PermutationTests/PermutationTests，如果只有两个变量/向量，则有效。

我尝试使用 foreach 将我的每个 y 变量在 df2 中置换 1,000 次，然后通过查看置换统计量 >= 原始统计量 / 排列数的次数来计算 p 值。我一直在练习 10 种排列和一个较小的数据集，看看我是否可以让我的代码正常工作

df <- as.data.frame(matrix(round(runif(n=12*12, min=1, max=20), 0), ncol=12))
colnames(df) <- paste0("a", ncol(df))
df2 <- as.data.frame(matrix(round(runif(n=12*20, min=1, max=20), 0), ncol=20))
colnames(df2) <- paste("b", ncol(df2) )
comp <- expand.grid(colnames(df1), colnames(df2))


res <-  foreach(i=1:nrow(comp), .combine=rbind, .packages=c("magrittr", "dplyr")) %dopar% {
perm <- \(){
N <- 10
samp <- sample(nrow(df2))
cor.test(df[, comp[i,1]], df2[samp, comp[i,2]], method="spearman", exact=FALSE)[c("estimate")]
}
perm_stat <- replicate(N, perm())
orig_stat <- cor.test(df[, comp[i,1]], df2[, comp[i,2]], method="spearman", exact=FALSE)[c("estimate")] 
(sum(abs(perm_stat) >= abs(orig_stat)) + 1)/N 
   }

  res2 <- as.data.frame(unlist(res)) %>% dplyr::mutate(Var1=comp[,1], Var2=comp[,2])

如果我对所有条形orig_stat进行散列处理，它会运行以获得 df 和 df2 中变量之间相关性的系数/估计值。但显然没有进行排列。我应该尝试通过 foreach 使用双循环还是寻找替代方法，例如 Map 的并行版本，例如 mcmapply。

   ##double loop format 
   out <- foreach(j=1:ncol(df1), .combine = 'rbind', .packages=c("magrittr", "dplyr")) %:%
      foreach(i = 1:ncol(df2), .combine = 'c') %dopar% {
       a <- cor.test(df1[,j], df2[,i], method = "spearman")$p.value
     }