Question

我想做2路anova，并存储p值而不是tukey hsd，但我对初始表有问题。并不总是我有完整的数据，所以并不总是可以穿anova，我不知道如何这样做，所以我的脚本运行，而不是跳过不完整的数据，并进一步运行。我的数据如下：

在链接中有两个Accessions的示例，但在实际数据中有3013个加入，其中一些没有所有光照条件或所有基因型

67822  AT2G41680        f      HL_f_Dejan58 1.240108e+06    HL      AT2G41680 f
 70136  AT2G41680        f     HL_f_Dejan_61 3.384010e+06    HL    AT2G41680 f
 72450  AT2G41680     ntrc HL_ntrc_ Dejan_62 1.410768e+05    HL AT2G41680 ntrc
 74764  AT2G41680     ntrc  HL_ntrc_Dejan_66 5.642197e+00    HL AT2G41680 ntrc
77078  AT2G41680     ntrc   HL_ntrc_Dejan65 3.921952e+05    HL AT2G41680 ntrc
 78997  AT2G41680       WT    LL_WT_Dejan_41 1.016001e+07    LL   AT2G41680 WT
 81433  AT2G41680       WT    LL_WT_Dejan_43 9.320892e+06    LL   AT2G41680 WT
 83869  AT2G41680       WT    LL_WT_Dejan_49 8.560308e+06    LL   AT2G41680 WT

有4种基因型和4种光照条件我想做这样的事情：

AOV<- data.frame()
IDs<- unique(Dejan_all_new_norm$Accession)
for (i in 1 : length(IDs)){
 temp<-Dejan_all_new_norm[(Dejan_all_new_norm$Accession)==IDs[i],]
    aov2<-aov(value ~ genotype + Light + genotype:Light, data = temp)
    AOV <- rbind(as.character(unique(IDs[i])),aov2,AOV)
}

所以我想要对每个基因（加入）进行子集化而不是ANOVA，但在此之后我想做tukey有这样的事情：

$`genotype:Light`
                    diff       lwr        upr     p adj
m:FL-f:FL        -7324259.81 -16715470  2066950.5 0.3486778
ntrc:FL-f:FL      1662873.54  -7728337 11054083.9 0.9999998
WT:FL-f:FL       -5219263.59 -13913835  3475307.7 0.7927417
f:HL-f:FL        -4936680.12 -13871535  3998174.3 0.8796738
m:HL-f:FL        -7389937.49 -16324792  1544916.9 0.2496858
ntrc:HL-f:FL     -7122962.46 -16057817  1811891.9 0.3102106

我想在这个简单的循环上工作，这是我的例子，因为它似乎是最简单的方法。我将不胜感激任何帮助！

Answer 1

这就是你要找的东西：

library(tidyverse)
library(broom)

read_csv(file = "https://filebin.net/w5cfuwztae7yk747/two.csv") %>%
  group_by(Accession) %>%
  do(broom::tidy(TukeyHSD(aov(value ~ genotype + Light + genotype:Light, data = .)))) %>%
  ungroup

输出：

# A tibble: 264 x 7
   Accession     term comparison    estimate   conf.low  conf.high  adj.p.value
   <chr>   <fctr>      <chr>       <dbl>      <dbl>      <dbl>        <dbl>
 1 AT2G41680 genotype        m-f -1586182.59 -3616647.7   444282.5 1.708496e-01
 2 AT2G41680 genotype     ntrc-f -5705550.95 -7694992.3 -3716109.6 2.609223e-08
 3 AT2G41680 genotype       WT-f -1568375.95 -3557817.3   421065.4 1.647950e-01
 4 AT2G41680 genotype     ntrc-m -4119368.37 -6149833.5 -2088903.3 2.214399e-05
 5 AT2G41680 genotype       WT-m    17806.64 -2012658.5  2048271.8 9.999951e-01
 6 AT2G41680 genotype    WT-ntrc  4137175.00  2147733.6  6126616.4 1.464605e-05
 7 AT2G41680    Light      HL-FL -3854435.85 -5849789.4 -1859082.3 4.872013e-05
 8 AT2G41680    Light      LL-FL  1528123.46  -467230.1  3523477.0 1.844033e-01
 9 AT2G41680    Light      ML-FL -2821752.94 -4775345.6  -868160.3 2.283331e-03
10 AT2G41680    Light      LL-HL  5382559.31  3311883.1  7453235.6 2.176770e-07
# ... with 254 more rows

R，如何在数据帧的循环中做anova？

1 个答案: