如何在使用 R 中的公式的函数中使用数据框中的变量？

Question

我正在尝试创建一个函数，它对我作为参数提供的任何变量运行 t 检验。

出于演示目的，我刚刚向牙齿生长数据框添加了另一列，因为我的原始数据框太大了。

library(tidyverse)
library(rstatix) 
library(ggpubr)
df <- ToothGrowth
df$width <- runif(60, min = 5, max = 10)

我试图概括我在 Datanovia which creates a grouped box plot like this Grouped Boxplot 上找到的方法。所以我尝试将代码概括为一个函数：

plotStats <- function(var) {
stat.test <- df %>% group_by(supp) %>% t_test(.data[[var]] ~ dose)
stat.test
}

但是，是我自己的，这个演示 df 我收到了错误消息：无法提取不存在的列。 x 列`.data[[var]] 不存在。

我正在使用这种方法，因为接下来我将在探索性数据分析中提取绘图的 p 值。

这将是我喜欢工作的功能：

plotStats <- function(var) {
stat.test <- df %>% group_by(supp) %>% t_test(.data[[var]] ~ dose)
stat.test <- stat.test %>% 
  add_xy_position(x = "supp", dodge = 0.8)

ggplot(stats, aes(supp, .data[[var]])) +
  geom_boxplot(aes(fill = dose)) +
  stat_pvalue_manual(
    stat.test, label = "p.adj",tip.length = 0.01,
    bracket.nudge.y = -2
  ) +
  scale_y_continuous(expand = expansion(mult = c(0, 0.1)))
}

plotStats(var = "len")
plotStats(var = "width")

我认为问题可能出在函数中公式的使用上，但似乎无法找到解决方法。

感谢任何帮助。亲切的问候最大值

Answer 1

这里有一种方法可以完成这项工作。它使用您的 var 参数构建公式对象。此外，将函数所需的所有 objects/variables 作为参数传递也是一种很好的做法（换句话说，不要让函数依赖于保存在全局环境中的东西）。

library(tidyverse)
library(rstatix)
plotStats <- function(df, var) {
  formula <- as.formula(paste(var, "~", "dose"))
  stat.test <-  t_test(data = df %>% group_by(supp), formula)
  stat.test
}

plotStats(df, "width")
# A tibble: 6 x 11
  supp  .y.   group1 group2    n1    n2 statistic    df     p p.adj p.adj.signif
* <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl> <dbl> <dbl> <chr>       
1 OJ    width 0.5    1         10    10    0.398   17.4 0.695     1 ns          
2 OJ    width 0.5    2         10    10   -0.114   15.0 0.911     1 ns          
3 OJ    width 1      2         10    10   -0.415   16.5 0.683     1 ns          
4 VC    width 0.5    1         10    10   -0.664   16.1 0.516     1 ns          
5 VC    width 0.5    2         10    10   -0.0830  16.2 0.935     1 ns          
6 VC    width 1      2         10    10    0.503   18.0 0.621     1 ns   

plotStats(df, "len")
# A tibble: 6 x 11
  supp  .y.   group1 group2    n1    n2 statistic    df            p      p.adj p.adj.signif
* <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>        <dbl>      <dbl> <chr>       
1 OJ    len   0.5    1         10    10     -5.05  17.7 0.0000878    0.000176   ***         
2 OJ    len   0.5    2         10    10     -7.82  14.7 0.00000132   0.00000396 ****        
3 OJ    len   1      2         10    10     -2.25  15.8 0.039        0.039      *           
4 VC    len   0.5    1         10    10     -7.46  17.9 0.000000681  0.00000136 ****        
5 VC    len   0.5    2         10    10    -10.4   14.3 0.0000000468 0.00000014 ****        
6 VC    len   1      2         10    10     -5.47  13.6 0.0000916    0.0000916  ****

Answer 2

这里有一些问题。主要的是让 non-standard 评估正确。将未加引号的列名传递给函数会很好。您可以使用 rlang::ensym 捕获这些。您可以使用它来构建一个传递给 t_test（然后传递给 facet_grid）的公式。您还可以使用这些捕获的变量名称通过双爆炸 (!!) 运算符传递给 ggplot。

一个更普遍的观察是，最好让你的函数泛化，这样它就可以在其他数据集上工作，所以删除函数内的 hard-coded 数据框和变量名。只需传入您使用的那些即可。

生成您正在寻找的绘图类型的通用函数将如下所示：

plotStats <- function(df, var1, var2, var3) 
{
  var1 <- ensym(var1)
  var2 <- ensym(var2)
  var3 <- ensym(var3)
  
  f <- as.formula(paste(as.character(var2), "~", as.character(var3)))
  fac <- as.formula(paste("~", as.character(var1)))
  stat.test <- df %>% 
                 group_by(!!var1) %>% 
                 t_test(f) %>%
                 add_xy_position(step.increase = 0.5)
  
  ggplot(df, aes(x = factor(!!var3), y = !!var2, fill = factor(!!var3))) +
    geom_boxplot() +
    scale_x_discrete(expand = c(0.5, 0.5)) +
    facet_grid(fac, switch = "x") +
    geom_bracket(data = stat.test, inherit.aes = FALSE,
                 aes(xmin = group1, xmax = group2, label = p)) +
    labs(fill = as.character(var3), x = as.character(var1)) +
    theme(panel.spacing = unit(0, "points"),
          strip.placement = "outside",
          strip.background = element_blank()) 
}

允许：

plotStats(df, supp, width, dose)

和

plotStats(df, supp, len, dose)

你可以将它应用到其他数据帧：

plotStats(mtcars, cyl, wt, am)

我会根据您的需要调整步长、填充颜色和主题。

如何在使用 R 中的公式的函数中使用数据框中的变量？

How to use a variable from a dataframe in a function that uses formulas in R?

r

formula

dataframe