替换嵌套for循环以进行配对t检验

Question

我有一个包含3个因子和一些数字的数据框，其结构类似于：

year <- as.factor(rep(c(2006, 2006, 2006, 2006, 2006, 2007, 2007, 2007,
        2007, 2007), 40))

seller <- rep(c("Alfred", "Betty", "Charles", "Debbie", "Ed"), 80)

region <- rep(c("North", "North", "North", "South", "South", "North", 
        "North", "South"), 50)

sale <- rnorm(400, mean = 60, sd = 10)  # Quick way to get fake data

data <- data.frame(year=year, seller=seller, region=region, sale=sale)

（我感兴趣的实际数据框相当于约20,000个销售，超过13年，以及6个地区，有50个左右的卖家，所以我不会在这里包含它。）我需要对每对卖家进行成对的 t - 测试比较，按年份和地区划分。 （例如，对于这个样本数据框架，我需要4组不同的成对比较：2006年和北方，2007年和北方，2006年和南方，2007年和南方的所有卖家相互比较。会有10个成对的 t - 测试：Alfred和Betty，Alfred和Charles等等。）作为一个老C / C ++程序员（和相对较新的R程序员），我可以设置几个for循环，循环遍历年度因子，然后是区域因子，对该年和该区域的数据框进行子集化，然后执行＆amp;打印/存储卖家之间的所有成对t检验。

然而，我试图弄清楚如何在没有for循环的情况下做到这一点。我试图使用其中一个apply - 族函数。我可以编写一个函数来执行 t -tests，并使用FUN = function，但我似乎无法将两个for循环转换为一个INDEX for apply-family目的。到目前为止我所做的所有努力，例如使用＆＃34; list（地区，年份）＆＃34;作为索引，导致明显的错误：＆＃34;参数必须具有相同的长度＆＃34;，更不用说这种特殊的方法不能同时根据需要应用BOTH过滤器。我已经和expand.grid()玩了一些帮助，但我不认为任何最终的矢量化都会让我得到我想要的东西。

如果没有for循环，有没有办法做到这一点？我觉得我错过了一些东西，但我找不到它;我很感激你的任何帮助，即使帮助说的是＃34; apply - 家庭是错误的地方，你应该去data.table或{{1} }＆＃34 ;. （但是，我对在base-R中可以完成的任何事情特别感兴趣，但这主要是因为探索base-R是我现在正在玩的游戏。）

Answer 1

警告：这绝不是一个好的统计实践。事实上，几乎可以肯定有更好的方法来进行这种分析。您正在运行40个t检验，如果您应用任何形式的修正，您的p值阈值将非常低。我将此视为编程实践。

创建数据

year <- as.factor(rep(c(2006, 2006, 2006, 2006, 2006, 2007, 2007, 2007, 2007, 2007), 40))
seller <- rep(c("Alfred", "Betty", "Charles", "Debbie", "Ed"), 80)
region <- rep(c("North", "North", "North", "South", "South", "North", "North", "South"), 50)
sale <- rnorm(400, mean = 60, sd = 10)  # Quick way to get fake data
data <- data.frame(year=year, seller=seller, region=region, sale=sale)

创建组合的数据框架

list.sellers.combn <- combn(c("Alfred", "Betty", "Charles", "Debbie", "Ed"), 2, simplify = FALSE)
df.region.year <- expand.grid(region = c("North", "South"), year = 2006:2007)
df.combn <- do.call(rbind, lapply(list.sellers.combn, function(n) {
                                  df.region.year[,"seller1"] <- n[1]
                                  df.region.year[,"seller2"] <- n[2]
                                  df.region.year}))

运行t.test

list.ttest.results <- lapply(1:nrow(df.combn), function(n) {
                             vec <- df.combn[n,]
                             df.data <- data[data[,"region"] == vec[,"region"] & data[,"year"] == vec[,"year"] & data[,"seller"] %in% unlist(vec[,c("seller1", "seller2")]),]
                             df.ttest <- df.data[,c("seller", "sale")]
                             result.ttest <- with(df.ttest, t.test(sale[seller == unique(seller)[1]], sale[seller == unique(seller)[2]]))
                             result.ttest})