循环遍历 t.tests 以获取 r 中的数据帧子集

Question

我有一个包含 32 个变量的数据框 'math.numeric'。每行代表一个学生，每个变量都是一个属性。学生们根据他们的最终成绩被分成了 5 个小组。

数据如下：

head(math.numeric)
school sex age address famsize Pstatus Medu Fedu Mjob Fjob reason ... group
1      1   18  2       1       1       4    4    1    5    1          2
1      1   17  2       1       2       1    1    1    3    1          2
1      1   15  2       2       2       1    1    1    3    3          3
1      1   15  2       1       2       4    2    2    4    2          4
1      1   16  2       1       2       3    3    3    3    2          3
1      2   16  2       2       2       4    3    4    3    4          4

我正在对第 1 组与所有其他组的每个变量进行 t 检验，以确定与该组显着不同的属性。我希望提取每个测试的 p 值，例如：

t.test(subset(math.numeric$school, math.numeric$group == 1),
      subset(math.numeric$school, math.numeric$group != 1))$p.value
t.test(subset(math.numeric$sex, math.numeric$group == 1), 
        subset(math.numeric$sex, math.numeric$group != 1))$p.value
t.test(subset(math.numeric$age, math.numeric$group == 1), 
        subset(math.numeric$age, math.numeric$group != 1))$p.value

我一直在想办法创建一个循环来执行此操作，而不是一次写出每个测试。我试过 for 循环和 lapply，但到目前为止我还没有运气。

我对此还很陌生，如有任何帮助，我们将不胜感激。

考特尼

Answer 1

这个怎么样？

pvals <- numeric() #the vector of p values
k <- 1 #in case you choose to use a subset not continuing from 1

# "for(i in seq(1,5))" is just doing the pvalues for the first 5 columns. You could do a 
# list, like "c(1,2,4)" (in place of "seq(1,5)"), to do tests for columns 1, 2, and 4. 
# To do all of the columns, try "for(i in seq(1,(ncol(math.numeric)-1)))".

for(i in seq(1,5)){

  # using your code to grab the p-values and store them in the kth element of "pvals"
  pvals[k] <- t.test(subset(math.numeric[,i], math.numeric$group == 1),
         subset(math.numeric[,i], math.numeric$group != 1))$p.value    

  #iterating the "pvals" vector entry counter
  k=k+1
}
pvals #printing the p values for each test

Answer 2

您的示例数据不足以实际对所有子组执行 t 检验。出于这个原因，我采用 iris 数据集，其中包含 3 种植物：Setosa、Versicolor 和 Virginica。这些是我的团体。您将不得不相应地调整您的代码。下面我将展示如何测试一组与所有其他组、一组与另一组以及各个组的所有组合。

一组与所有其他组的总和：

首先，假设我想将 Versicolor 和 Virginica 与 Setosa 进行比较，即 Setosa 是我的 group 1 所有其他组都应该与之比较。实现您想要的目标的简单方法如下：

sapply(names(iris)[-ncol(iris)], function(x){
             t.test(iris[iris$Species=="setosa", x], 
                    iris[iris$Species!="setosa", x])$p.value 
                    })
Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
7.709331e-32 1.035396e-13 1.746188e-69 1.347804e-60

在这里，我提供了数据集中不同变量的名称 names(iris) - 排除了指示分组变量 [-ncol(iris)] 的列（因为它是最后一列） - 作为 sapply，它将相应的名称作为参数传递给我定义的函数。

一组与其他各组：

如果您想对所有组进行分组比较，以下内容可能会有所帮助：首先，创建一个数据框，包含您要进行的所有组 x 变量组合，不包括分组变量本身和参考组，当然。这可以通过以下方式实现：

comps <- expand.grid(unique(iris$Species)[-1], # excluding Setosa as reference group
                     names(iris)[-ncol(iris)] # excluding group column
                     )
head(comps)
        Var1         Var2
1 versicolor Sepal.Length
2  virginica Sepal.Length
3 versicolor  Sepal.Width
4  virginica  Sepal.Width
5 versicolor Petal.Length
6  virginica Petal.Length

这里，Var1是不同的物种，Var2是要比较的不同变量。在这种情况下，引用 group 1 或 Setosa 是隐含的。现在，我可以使用 apply 来创建测试。我通过使用 comps 的每一行作为带有两个元素的参数来做到这一点，第一个参数表示轮到哪个组，第二个参数表示应该比较哪个变量。这些将用于对原始数据帧进行子集化。

comps$pval <- apply(comps, 1, function(x) {
    t.test(iris[iris$Species=="setosa", x[2]], iris[iris$Species==x[1], x[2]])$p.value 
    } )

其中第 1 组又名 Setosa 是硬编码在函数中的。这为我提供了一个数据框，其中包含所有组合的 p 值（以 Setosa 作为参考组），以便于查找：

head(comps)
        Var1         Var2         pval
1 versicolor Sepal.Length 3.746743e-17
2  virginica Sepal.Length 3.966867e-25
3 versicolor  Sepal.Width 2.484228e-15
4  virginica  Sepal.Width 4.570771e-09
5 versicolor Petal.Length 9.934433e-46
6  virginica Petal.Length 9.269628e-50

组的所有组合：

您可以轻松地扩展以上内容以生成一个数据框，其中包含每个组组合的 t 检验的 p 值。一种方法是：

comps <- expand.grid(unique(iris$Species), unique(iris$Species), names(iris)[-ncol(iris)])

这现在有三列。前两个是组，第三个是变量：

head(comps)
        Var1       Var2         Var3
1     setosa     setosa Sepal.Length
2 versicolor     setosa Sepal.Length
3  virginica     setosa Sepal.Length
4     setosa versicolor Sepal.Length
5 versicolor versicolor Sepal.Length
6  virginica versicolor Sepal.Length

您可以使用它来进行测试：

comps$pval <- apply(comps, 1, function(x) {
  t.test(iris[iris$Species==x[1], x[3]], iris[iris$Species==x[2], x[3]])$p.value 
} )

我收到一条错误消息：我该怎么办？

t.test 如果样本量太小或一组值不变，则可能会抛出错误消息。这是有问题的，因为它可能只发生在特定的群体中，而且你可能事先不知道它是哪一个群体。然而，该错误会中断对 apply 的整个函数调用，您将看不到任何结果。

一种避免这种情况并识别问题组的方法是将函数 t.test 包裹在 dplyr::failwith 周围（另请参阅 ?tryCatch）。为了展示这是如何工作的，请考虑以下内容：

smalln <- data.frame(a=1, b=2)
t.test(smalln$a, smalln$b)
> Error in t.test.default(smalln$a, smalln$b) : not enough 'x' observations

failproof.t <- failwith(default="Some default of your liking", t.test, quiet = T)
failproof.t(smalln$a, smalln$b)
[1] "Some default of your liking"

这样一来，每当 t.test 抛出错误时，您都会得到一个字符作为结果，并且继续对其他组进行计算。不用说，您还可以将 default 设置为数字或其他任何内容。它不一定是一个字符。

统计免责声明： 综上所述，请注意进行多次 t 检验不一定是良好的统计实践。您可能想要调整您的 p 值以考虑多重测试，或者您可能想要使用执行联合测试的替代测试程序。

Answer 3

考虑按组拆分数据框并使用 mapply() 跨列。输出成为测试统计信息的编译列表：统计信息、参数、p 值、置信度。区间等

# FILTER ROWS AND SUBSET NUMERIC COLS
group1df <- df[df$group==1, 1:ncol(df)-1]
othgroupdf <- df[df$group!=1, 1:ncol(df)-1]

# T-TEST FCT
tfct <- function(v1, v2){
      t.test(v1, v2) 
}

# RUN T-TESTS BY COL, SAVE RESULTS TO LIST
ttests <- mapply(tfct, group1df, othgroupdf)

循环遍历 t.tests 以获取 r 中的数据帧子集

Looping through t.tests for data frame subsets in r

loops

r

subset

p-value