尝试对每一行执行 t.test 并计算 p 值小于 0.05 的所有行

Question

在过去的四个小时里，我一直在绞尽脑汁试图找到 R 问题的解决方案，这让我抓狂。我到处寻找合适的答案，但到目前为止，我一直在碰壁。我现在呼吁这个美好社区的善意寻求帮助。

考虑以下数据集：

set.seed(2112)
DataSample <- matrix(rnorm(24000),nrow=1000)
colnames(DataSample) <- c(paste("Trial",1:12,sep=""),paste("Control",13:24,sep=""))

我需要对 DataSample 中的每一行执行 t 检验，以确定 TRIAL 和 CONTROL 组是否不同（等方差适用）。

然后我需要计算 p 值等于或低于 0.05 的行数。

这是我试过的代码，我知道它是错误的：

set.seed(2112)
DataSample <- matrix(rnorm(24000),nrow=1000)
colnames(DataSample) <- c(paste("Trial",1:12,sep=""),paste("Control",13:24,sep=""))

pValResults <- apply(
  DataSample[,1:12],1,function(x) t.test(x,DataSample[,13:24], var.equal=T)$p.value
  )

sum(pValResults < 0.05) # Returns the wrong answer (so I was told)

我确实尝试查看有关 Whosebug 的许多类似问题，但我经常以语法错误或维度不匹配而告终。上面的代码是我在不返回 R 错误的情况下所能得到的最好的代码——但是由于代码返回了错误的答案，我没有什么值得骄傲的。

如有任何建议，我们将不胜感激！提前感谢您的宝贵时间。

Answer 1

一个选项是遍历数据集，为每一行计算 t 检验，但它并不那么优雅。

set.seed(2112)
DataSample <- matrix(rnorm(24000),nrow=1000)
colnames(DataSample) <- c(paste("Trial",1:12,sep=""),paste("Control",13:24,sep=""))

# initialize vector of stored p-values
pvalue <- rep(0,nrow(DataSample))

for (i in 1:nrow(DataSample)){
   pvalue[i] <- t.test(DataSample[i,1:12],DataSample[i,13:24])$p.value
}
# finding number that are significant
sum(pvalue < 0.05)

Answer 2

我转换成一个data.table，得到的答案是45：

DataSample.dt <- as.data.table(DataSample)
sum(sapply(seq_len(nrow(DataSample.dt)), function(x)
    t.test(DataSample.dt[x, paste0('Trial', 1:12), with=F],
           DataSample.dt[x, paste0('Control', 13:24), with=F],
           var.equal=T)$p.value) < 0.05)

Answer 3

要进行配对 T 检验，您需要提供paired = TRUE 参数。 t.test 函数未向量化，但一次测试整个矩阵非常简单。这是三种方法（包括使用apply）：

library("genefilter")
library("matrixStats")
library("microbenchmark")
dd <- DataSample[, 1:12] - DataSample[, 13:24]
microbenchmark::microbenchmark(
  manual = {ps1 <- 2 * pt(-abs(rowMeans(dd) / sqrt(rowVars(dd) / ncol(dd))), ncol(dd) - 1)},
  apply = {ps2 <- apply(DataSample, 1, function(x) t.test(x[1:12], x[13:24], paired=TRUE)$p.value)},
  rowttests = {ps3 <- rowttests(dd)[, "p.value"]})
#Unit: milliseconds
#      expr        min         lq       mean     median         uq        max
#    manual   1.611808   1.641783   1.677010   1.663122   1.709401   1.852347
#     apply 390.869635 398.720930 404.391487 401.508382 405.715668 634.932675
# rowttests   2.368823   2.417837   2.639671   2.574320   2.757870   7.207135
# neval
#   100
#   100
#   100

您可以看到手动方法比应用快 200 倍以上。

如果您实际上是指不成对的测试，这里是等效比较：

microbenchmark::microbenchmark(
  manual = {x <- DataSample[, 1:12]; y <- DataSample[, 13:24]; ps1 <- 2 * pt(-abs((rowMeans(x) - rowMeans(y)) / sqrt((rowVars(x) + rowVars(y)) / ncol(x))), ncol(DataSample) - 2)},
  apply = { ps2 <- apply(DataSample, 1, function(x) t.test(x[1:12], x[13:24], var.equal = TRUE)$p.value)},
  rowttests = {ps3 <- rowttests(DataSample, factor(rep(1:2, each = 12)))[, "p.value"]})

请注意，手动方法假定两组的大小相同。

Answer 4

使用外部库添加替代方案。

执行测试：

library(matrixTests)
res <- row_t_equalvar(DataSample[,1:12], DataSample[,13:24])

结果格式：

res

   obs.x obs.y obs.tot      mean.x       mean.y    mean.diff     var.x     var.y var.pooled    stderr df    statistic     pvalue   conf.low   conf.high alternative mean.null conf.level
1     12    12      24  0.30569721  0.160622830  0.145074376 0.5034806 1.0769678  0.7902242 0.3629105 22  0.399752487 0.69319351 -0.6075559  0.89770469   two.sided         0       0.95
2     12    12      24 -0.27463354 -0.206396781 -0.068236762 0.8133311 0.2807800  0.5470556 0.3019535 22 -0.225984324 0.82329990 -0.6944500  0.55797651   two.sided         0       0.95
3     12    12      24 -0.19805092 -0.023207888 -0.174843032 0.4278359 0.5604078  0.4941219 0.2869733 22 -0.609265949 0.54858909 -0.7699891  0.42030307   two.sided         0       0.95

具有p <= 0.05的行数：

> sum(res$pvalue <= 0.05)
[1] 4

尝试对每一行执行 t.test 并计算 p 值小于 0.05 的所有行

trying to perform a t.test for each row and count all rows where p-value is less than 0.05

statistics

r

hypothesis-test