Question

我希望能够通过列Category传递两组值GROUPED。有没有办法可以使用ddply包中的plyr来执行此操作？

我想做这样的事情：

ddply(idata.frame(data), .(Category), wilcox.test, data[Type=="PRE",], data[Type=="POST",])

wilcox.test是以下功能：

Description

Performs one- and two-sample Wilcoxon tests on vectors of data; the latter is also known as ‘Mann-Whitney’ test.

Usage

wilcox.test(x, ...)

Arguments

x   
numeric vector of data values. Non-finite (e.g. infinite or missing) values will be omitted.

y   
an optional numeric vector of data values: as with x non-finite values will be omitted.

.... rest of the arguments snipped ....

我有dput的以下输出：

structure(list(Category = c("A", "C", 
"B", "C", "D", "E", 
"C", "A", "F", "B", 
"E", "C", "C", "A", 
"C", "A", "B", "H", 
"I", "A"), Type = c("POST", "POST", 
"POST", "POST", "PRE", "POST", "POST", "PRE", "POST", 
"POST", "POST", "POST", "POST", "PRE", "PRE", "POST", 
"POST", "POST", "POST", "POST"), Value = c(1560638113, 
1283621, 561329742, 2727503, 938032, 4233577690, 0, 4209749646, 
111467236, 174667894, 1071501854, 720499, 2195611, 1117814707, 
1181525, 1493315101, 253416809, 327012982, 538595522, 3023339026
)), .Names = c("Category", "Type", "Value"), row.names = c(21406L, 
123351L, 59875L, 45186L, 126720L, 94153L, 48067L, 159371L, 54303L, 
63318L, 104100L, 58162L, 41945L, 159794L, 57757L, 178622L, 83812L, 
130655L, 30860L, 24513L), class = "data.frame")

有什么建议吗？

Answer 1

我一直在做的是使用匿名函数：

ddply(idata.frame(data), .(Category), 
    function(x) wilcox.test(x[Type == "PRE",], x[Type == "POST",])

我不确定wilcox.test函数默认返回一个很好的连接到data.frame，所以你必须稍微调整一下自己。或者，使用dlply结束wilcox.test输出列表。

Answer 2

这里有两个问题：

保罗的解决方案在我的案例中似乎不起作用，尽管我使用的是相同的数据。我认为子集化的语法是有原因的，但我没有设法破解错误。
根据您希望使用的结构（即Category x Type），您的数据实际上太小，无法通过统计测试进行比较。毕竟，如果你查看数据框中的类别数量，所有类别的值都少于30，而一半只有一个值：
```
> table(data$Category)
A B C D E F H I 
5 3 6 1 2 1 1 1
```

但好消息是我找到了适合你的解决方案。

首先，我必须生成一个更宽的表。而且因为我（非常）懒惰，我只是这样做了：

for(i in 1:10){data <- rbind(data,data)}

data$Value <- jitter(data$Value,5e3) 

data$Type <- sample(c("POST","PRE"),size=nrow(data),replace=T,prob=c(0.80,0.20))

我将表复制了10次，将噪声添加到数值中并随机地重新分配“PRE”和“POST”，其比例与初始数据框中添加的相同。请注意，值本身并不重要，我只是使用您提供给我们的相同数据结构。

这样，我们最终得到了一个更大的表，更重要的是 - 更密集的表：

    > table(data$Category, data$Type)

      POST  PRE
    A 4135  985
    B 2470  602
    C 4881 1263
    D  814  210
    E 1634  414
    F  815  209
    H  846  178
    I  813  211

这样就完成了！

现在我们可以找到解决方案。为了清楚起见，我编写了分别执行Wilcoxon测试的函数。诀窍在于它必须返回一个向量，该向量将包含在输出所需的数据框中。

让我们调用函数wx：

 wx <- function(d){
 w <- wilcox.test(
  # First vector (x)
    subset(d, Type == "PRE", select = Value )[,1], 
    subset(d, Type == "POST", select = Value )[,1]
      )
  # c(1,3) returns the Stat and the P-value (tweak that if you want something else)
  return(w[c(1,3)])
  }

最后，您只需将该功能应用于数据框：

> ddply(data, .(Category), .fun = wx  )
    Category      V1        V2
           A 2047794 0.7862484
           B  725554 0.3585648
           C 3071435 0.8459535
           D   80693 0.2112926 
           E  347314 0.3984288
           F   83304 0.6252554
           H   71762 0.3247840
           I   88874 0.4177269

当然，根据我构建表的方式，没有什么是重要的，但是你有V1的统计数据和V2的P值。

如何根据列传递ddply中的值？

2 个答案: