Question

我正在尝试在dplyr框架中的几个组上进行卡方检验。问题是，group_by() %>% summarise()似乎没有做法。

模拟数据（与有问题的数据结构相同，但随机，因此p值应该很高）

set.seed(1) data.frame(partido=sample(c("PRI", "PAN"), 100, 0.6), genero=sample(c("H", "M"), 100, 0.7), GM=sample(c("Bajo", "Muy bajo"), 100, 0.8)) -> foo

我想比较GM定义的几个组，看看partido和genero的交叉表的p.values是否有变化，以GM为条件。

明显的dplyr方式应该是：

foo %>% group_by(GM) %>% summarise(pvalue=chisq.test(.$partido, .$genero)$p.value) #just the p.value, so summarise is happy

但是我得到了未分组数据的p.values，只是时间，而不是每个表的p.value：

# A tibble: 2 × 2 GM pvalue <fctr> <dbl> 1 Bajo 0.8660521 2 Muy bajo 0.8660521

使用过滤器测试每个组我得到：

foo %>% filter(GM=="Bajo") %$% table(partido, genero) %>% chisq.test()

返回：X-squared = 0.015655, df = 1, p-value = 0.9004

foo %>% filter(GM=="Muy bajo") %$% table(partido, genero) %>% chisq.test()

返回：X-squared = 0.50409, df = 1, p-value = 0.4777

dplyr:summarise()适用于具有多个参数的函数，因此这不应该是问题：

data.frame(a=1:10, b=10:1, c=sample(c("Grupo 1", "Grupo 2"), 10, 0.5)) %>% group_by(c) %>% summarise(r=cor(a, b))

就像魅力一样。它似乎与chisq.test无关。

我设法使用tidyr::nest()和purrr::map()获得了我想要的嵌套模型，但我发现代码很麻烦 - 至少对我的学生来说。实际上，我已经投入了很多我们教他们（一个非常数学和编程挑战的小组）dplyr所以他们可以尽可能地避免矢量函数。

foo %>% nest(-GM) %>% mutate(tabla=map(data, ~table(.))) %>% mutate(pvalue=map(tabla, ~chisq.test(.)$p.value)) %>% select(GM, pvalue) %>% unnest() A tibble: 2 × 2 GM pvalue <fctr> <dbl> 1 Bajo 0.9004276 2 Muy bajo 0.4777095

do()也可以解决问题：

foo %>% group_by(GM) %>% do(tidy(chisq.test(.$partido, .$genero))) Source: local data frame [2 x 5] Groups: GM [2] GM statistic p.value parameter <fctr> <dbl> <dbl> <int> 1 Bajo 0.0156553 0.9004276 1 2 Muy bajo 0.5040878 0.4777095 1 # ... with 1 more variables: method <fctr>

如：Fisher's and Pearson's test for indepedence

但是，¿group_by()为什么不与summarise(chisq.test()$p.value)合作？

Answer 1

在dplyr中，您通常可以使用不带引号的变量名来访问相关列，无论您是在groupby还是其他方面。因此，删除.$和.$partido中不需要的.$genero访问者：

foo %>% 
    group_by(GM) %>% 
    summarise(pvalue= chisq.test(partido, genero)$p.value) 

# A tibble: 2 × 2
        GM    pvalue
    <fctr>     <dbl>
1     Bajo 0.9004276
2 Muy bajo 0.4777095

使用`dplyr :: group_by（）获取几个组的`chisq.test（）$ p.value`

1 个答案: