Question

这似乎是一个非常简单的问题，但我找不到答案。

我有一个数据框（我们称之为df），包含n = 100列（C1，C2，...，C100）和50行（ R1，R2，...，R50）。我测试了数据框中的所有列，以确保它们是数字的。我想知道每列中的数据是否使用shapiro.test()函数进行正态分布。

我可以使用代码逐列填写：

> shapiro.test(df$Cn)

或

> shapiro.test(df[,c(Cn)])

但是，当我尝试同时在多个列上执行此操作时，它不起作用：

> shapiro.test(df[,c(C1:C100)])

返回错误：

Error in `[.data.frame`(x, complete.cases(x)) : undefined columns selected

如果有人能够建议同时进行所有测试，并最终将结果存储在新的数据框/矩阵/列表/向量中，我将不胜感激。

谢谢！

的Seb

Answer 1

并不是说我认为这是一种合理的数据分析方法，但将函数应用于数据框列的根本问题是使用sapply()或{{}}之一轻松实现的一般性任务{1}}（甚至lapply()，但对于数据框，前面提到的两个函数中的一个最好。）

这是一个使用一些虚拟数据的例子：

apply()

现在应用set.seed(42) df <- data.frame(Gaussian = rnorm(50), Poisson = rpois(50, 2), Uniform = runif(50))功能。我们在列表中捕获输出（给定此函数返回的对象），因此我们将使用shapiro.test()。

lapply()

您需要从这些对象中提取所需的内容，这些对象都具有以下结构：

lshap <- lapply(df, shapiro.test)
lshap[[1]] ## look at the first column results

R> lshap[[1]]

    Shapiro-Wilk normality test

data:  X[[1L]]
W = 0.9802, p-value = 0.5611

如果您希望此对象的R> str(lshap[[1]]) List of 4 $ statistic: Named num 0.98 ..- attr(*, "names")= chr "W" $ p.value : num 0.561 $ method : chr "Shapiro-Wilk normality test" $ data.name: chr "X[[1L]]" - attr(*, "class")= chr "htest"和statistic组件适用于p.value的所有元素，我们这次将使用lshap，以便为我们很好地安排结果：

sapply()

鉴于你有500个，我会转换lres <- sapply(lshap, `[`, c("statistic","p.value")) R> lres Gaussian Poisson Uniform statistic 0.9802 0.9371 0.918 p.value 0.5611 0.01034 0.001998：

lres

如果你计划用这个练习中的 p - 值做任何事情，我建议你开始考虑如何纠正多次比较，然后用30-cal射击自己。

Answer 2

要在数据框的行或列上应用某些功能，请使用apply系列：

df <- data.frame(a=rnorm(100), b=rnorm(100))    
df.shapiro <- apply(df, 2, shapiro.test)
df.shapiro
$a

    Shapiro-Wilk normality test

data:  newX[, i]
W = 0.9895, p-value = 0.6276


$b

    Shapiro-Wilk normality test

data:  newX[, i]
W = 0.9854, p-value = 0.3371

请注意，列名称将被保留，df.shapiro是一个命名列表。

现在，如果你想要一个p值向量，你所要做的就是从适当的列表中提取它们：

unlist(lapply(df.shapiro, function(x) x$p.value))
        a         b 
0.6275521 0.3370931

Answer 3

将do.call与rbind和lapply一起使用，以获得更简单紧凑的解决方案：

df <- data.frame(a = rnorm(100), b = rnorm(100), c = rnorm(100))
do.call(rbind, lapply(df, function(x) shapiro.test(x)[c("statistic", "p.value")]))
#>   statistic p.value    
#> a 0.986224  0.3875904  
#> b 0.9894938 0.6238027
#> c 0.9652532 0.009694794

在数据框中的多个列上使用shapiro.test

3 个答案: