我正在对植被进行光谱分析，并且正在研究哪个是最重要的波长，以便进行一些遥感。
然而，我有2000个波长，所以我需要找到一种快速运行ANOVA的方法，我已经阅读了关于4循环（或只是循环），这意味着我可以更快地进行，而不必单独进行每一次。
目前我的R代码是：
mod_structure1 <- lm(X350 ~ structure, data=mydata)
mod_structure1
summary(mod_structure1)
boxplot(X350 ~ structure, data=mydata, xlab="blah", ylab="350nm")
anova(mod_structure1)
X350的波长为350nm。
我真的很感激一些帮助 - 我的R知识不是很好，如果这不是真的有道理，那么道歉。
答案 0 :(得分：0)
lapply比for循环更快并且做同样的伎俩：
首先定义一个包含波长名称的矢量。这样做很难，因为您没有包含示例数据。
wavs <- c("X350", "X...", "X...",...)
由于您有这么多波长，您可能不希望手动执行此操作。包括您的数据示例，因此建议更容易，但是说您将它们作为数据框的列（从X350猜测）：
require(reshape2)
wavdata <- melt(mydata, id = "structure")
wavs <- levels(wavdata$variable)
然后你可以继续循环：
mods <- lapply(wavs, function(i) {
x <- subset(wavdata, variable == wavs)
mod_structure1 <- lm(variable ~ value, data=x)
anova(mod_structure1)})
这为您提供了令人难以置信的ANOVA列表，因此请做好准备。从这些ANOVA到data.frame获取相关参数可能会更好，这样更容易处理。
mod.data <- lapply(wavs, function(i) {
x <- subset(wavdata, variable == wavs)
mod_structure1 <- lm(variable ~ value, data=x)
tmp <- anova(mod_structure1)
data.frame(Df = tmp$Df[[1]], F = tmp$F[[1]], p = tmp$P[[1]])
})
do.call(rbind, mod.data)
代码未经过测试，可能包含错误。但是，您可以根据其背后的想法生成自己的想法。