可以使用bcdstats生成adjusted pvalue。

library(corrplot)
library(bcdstats)

M = cor(mtcars)
adjp = adjust.corr(M, adjust="fdr")

head(as.data.frame(as.table(adjp$P)))

输出：

Var1    Var2    Freq
   <fct>    <fct>   <chr>
1   mpg     mpg 
2   cyl     mpg   <.0001
3   disp    mpg   <.0001
4   hp      mpg   <.0001
5   drat    mpg   <.0001
6   wt      mpg   <.0001

其实就是cbind(<res>, p.adj=p.adjust(<res>$p, method='BH'))。
首先是不使用corrplot包的相关性 p 值解决方案。

pm <- outer(mtcars, mtcars, Vectorize(\(x, y) cor.test(x, y)$p.value))
res <- as.data.frame(as.table(pm)) |> setNames(c("Var1", "Var2", "p"))

现在，cbind调整p值;我使用Benjamini-Hochberg（又名 * 错误发现率 *（FDR））方法。有关选项，请参见?p.adjust。

res <- cbind(res, p.adj=p.adjust(res$p, method='BH'))  ## here you could use any `res`, e.g. your `pval` object and `pval&Freq`

head(res)
#   Var1 Var2            p        p.adj
# 1  mpg  mpg 0.000000e+00 0.000000e+00
# 2  cyl  mpg 6.112687e-10 3.892817e-09
# 3 disp  mpg 9.380327e-10 5.404855e-09
# 4   hp  mpg 1.787835e-07 6.555396e-07
# 5 drat  mpg 1.776240e-05 3.770615e-05
# 6   wt  mpg 1.293959e-10 9.209941e-10

如果你喜欢管道，你可以这样做：

res <- outer(mtcars, mtcars, Vectorize(\(x, y) cor.test(x, y)$p.value)) |>
  as.table() |> as.data.frame() |> setNames(c("Var1", "Var2", "p")) |>
  {\(.) cbind(., p.adj=p.adjust(.$p, method='BH'))}()

head(res)
#   Var1 Var2            p        p.adj
# 1  mpg  mpg 0.000000e+00 0.000000e+00
# 2  cyl  mpg 6.112687e-10 3.892817e-09
# 3 disp  mpg 9.380327e-10 5.404855e-09
# 4   hp  mpg 1.787835e-07 6.555396e-07
# 5 drat  mpg 1.776240e-05 3.770615e-05
# 6   wt  mpg 1.293959e-10 9.209941e-10