我有一个包含几个变量的数据集，我希望单独统计测试每个变量的方差（Kruskal-test）。
我的数据（df）看起来像:(不同农业管理层的碳和氮含量（见名称））。 我有16个小组（为了简化它，我说，我有8个小组）：
数据摘录
1. List item
name N_cont C_cont agriculture
C_ero 1,064 8,380 1
C_ero 0,961 8,086 1
C_ero 0,977 8,331 1
Ds_ero 1,767 17,443 2
Ds_ero 1,802 18,264 2
Ds_ero 2,083 20,112 2
Ms_ero 1,547 14,380 3
Ms_ero 1,566 15,313 3
Ms_ero 1,505 14,760 3
Md_ero 1,512 14,303 4
Md_ero 1,656 15,331 4
Md_ero 1,500 13,788 4
C_upsl 1,121 10,581 5
C_upsl 1,159 10,460 5
C_upsl 1,223 10,171 5
Ds_upsl 1,962 20,656 6
Ds_upsl 1,784 16,780 6
Ds_upsl 1,720 17,482 6
Ms_upsl 1,578 16,228 7
Ms_upsl 1,634 15,331 7
Ms_upsl 1,394 13,419 7
Md_upsl 1,286 11,824 8
Md_upsl 1,241 11,452 8
Md_upsl 1,317 11,932 8
我已经为农业提出了一个因素
df$agriculture<-factor(df$agriculture)
我可以对所有16组进行统计测试。
例如kruskal.test(df$C,df$agriculture)
但是现在我想对8组中的特定组进行统计测试，例如包含例如C列中的DS（常规）或更确切name（直接播种）
或者例如ero（侵蚀网站）或upsl（上坡）
它确实尝试grep或split，但它不起作用，因为x和y的维度应该相同。
你有任何线索吗？
答案 0 :(得分：1)
您可以尝试使用grepl进行子集化。假设您需要名称中包含DS，upsl或C的行，那么
df[grepl("(DS)|(upsl)|(C)", df$name), ]
# name N_cont C_cont agriculture
#1 C_ero 1,064 8,380 1
#2 C_ero 0,961 8,086 1
#3 C_ero 0,977 8,331 1
#13 C_upsl 1,121 10,581 5
#14 C_upsl 1,159 10,460 5
#15 C_upsl 1,223 10,171 5
#16 Ds_upsl 1,962 20,656 6
#17 Ds_upsl 1,784 16,780 6
#18 Ds_upsl 1,720 17,482 6
#19 Ms_upsl 1,578 16,228 7
#20 Ms_upsl 1,634 15,331 7
#21 Ms_upsl 1,394 13,419 7
#22 Md_upsl 1,286 11,824 8
#23 Md_upsl 1,241 11,452 8
#24 Md_upsl 1,317 11,932 8
如果您不想对name值进行硬编码，也可以尝试
x <- c("C", "DS", "upsl")
df[grepl(paste0(x, collapse = "|"), df$name), ]
也会产生相同的结果。
答案 1 :(得分：0)
加载data.table包。
library(data.table)
创建您要执行统计信息的组的子集： 如果你的数据帧是df，那么
DT<-data.table(df)
DT[like(name,"C_")]
..或使用sqldf包：
library(sqldf)
sqldf("select * from df where name like 'C_'")