Question

我目前正在尝试在多个数据集上实现Wilcoxon Ranksum，我将它组合成一个大矩阵A，即705x17635（即我想运行rankum测试17,635次。唯一的方法是我＆＃ 39;我已经看过如何在不使用forloops的情况下做到这一点是lapply，我已经将其作为

运行

> lapply(data.frame(A), function(x) 
         wilcox.test(x,b,alternative="greater",exact=FALSE,correct=FALSE))

其中b是我们的阴性对照数据，是20000x1载体。然而，运行这个需要很长时间（我在30分钟后放弃了），我想知道是否有更快的方法来运行它，特别是因为我可以在MATLAB中执行相同的过程（即使有一个forloop）大约五分钟（我出于各种原因需要使用R）。

Answer 1

有些软件包试图解决此问题。即：

A <- matrix(rnorm(705*17635), nrow=705)
b <- rnorm(20000)

library(matrixTests)
res <- col_wilcoxon_twosample(A, b) # running time: 83 seconds

结果中的几行：

res[1:2,]

  obs.x obs.y obs.tot statistic    pvalue alternative location.null exact corrected
1   705 20000   20705   6985574 0.6795783   two.sided             0 FALSE      TRUE
2   705 20000   20705   7030340 0.8997009   two.sided             0 FALSE      TRUE

检查结果是否与按列进行wilcox.test()相同：

wilcox.test(A[,1], b)

    Wilcoxon rank sum test with continuity correction

data:  A[, 1] and b
W = 6985574, p-value = 0.6796
alternative hypothesis: true location shift is not equal to 0

在R中加速Wilcox.test

1 个答案: