Question

假设我有一个1000 x个观测值的向量，以及一个1000 y个观测值的向量。每行x和每行y分别对应100个样本。

x <- t(replicate(1000, rnorm(100,mean=6)))
y <- t(replicate(1000, rnorm(100,mean=5)))

我想进行一次t.test，看看每一行x的平均值是否与y每一行的平均值有显着差异。

在此上下文中使用哪个apply？理想情况下，它会是这样的：

Xapply(x,y, function(x,y) t.test(x,y)$conf.int)

这甚至可能吗？

Answer 1

1）mapply 试试这个。 dt_将x和y中的每一个转换为原始行的数据框，该数据框也是允许mapply直接使用的原始行的列表。您可能希望也可能不希望显示外部t，具体取决于所需的输出方向：

dt_ <- function(x) data.frame(t(x))
conf.int.1 <- t(mapply(function(x, y) t.test(x, y)$conf.int, dt_(x), dt_(y)))

1a）使用函数的公式表示法略微缩短变化。请参阅gsubfn home page上fn的信息以及package documentation中的更多信息

library(gsubfn) # fn
conf.int.1a <- t(fn$mapply(~ t.test(x, y)$conf.int, dt_(x), dt_(y)))

2）应用另一种方法是从x和y创建一个3d数组，然后在第一个维度上应用t检验：

z <- array(c(x, y), c(dim(x), 2))
conf.int.2 <- t(apply(z, 1, function(x) t.test(x[, 1], x[, 2])$conf.int))

2a）使用abind包中的abind可以实现创建3d数组的更好方法：

library(abind)
a <- abind(x, y, along = 3)
conf.int.2a <- t(apply(a, 1, function(x) t.test(x[, 1], x[, 2])$conf.int))

更新：添加解决方案2.

更新：添加了解决方案2a。

Answer 2

一种方法是将它们绑定并对较大的对象运行普通的应用程序：

 apply( cbind(x,y), 1 , function(x) t.test(x[1:100], x[101:200] )$conf.int)

Answer 3

您可以合并两个矩阵并为t.test中使用的公式创建因子向量：

fac <- gl(2, ncol(x)) # factor
apply(cbind(x, y), 1, function(x) t.test(x ~ fac)$conf.int)

Answer 4

set.seed(101)
x <- t(replicate(1000, rnorm(100,mean=6)))
y <- t(replicate(1000, rnorm(100,mean=5)))

这里的for循环实际上很好，但你可以在索引上使用sapply：

 result <- t(sapply(seq(nrow(x)),
             function(i) t.test(x[i,],y[i,])$conf.int))

或者（可能效率稍低）您可以将x和y转换为列表并使用mapply：

 xList <- split(x,row(x))
 yList <- split(y,row(y))
 m1 <- mapply(t.test,xList,yList,SIMPLIFY=FALSE)
 result2 <- t(sapply(m1,"[[","conf.int"))

Answer 5

我会使用mapply：

t(mapply(function(i,j)t.test(x[i,],y[j,])$conf.int,
      seq(nrow(x)),seq(nrow(y))))