Question

我有多个因素来划分我的数据。

通过一个因素（uniqueGroup），我想通过另一个因素（distance）对我的数据进行子集化，我想首先通过“移动阈值”对我的数据进行分类，然后测试统计小组之间的差异。

我创建了一个函数movThreshold来对我的数据进行分类，并按wilcox.test进行测试。要改变不同的阈值，我只需运行

lapply(th.list,       # list of thresholds
       movThreshold,  # my function
       tab = tab,     # original data
       dependent = "infGrad") # dependent variable

现在我已经意识到，实际上我需要首先按uniqueGroup对我的数据进行分组，然后改变阈值。但我不确定，如何在lapply代码中编写它？

我的虚拟数据：

set.seed(10)
infGrad <- c(rnorm(20, mean=14, sd=8),
            rnorm(20, mean=13, sd=5),
            rnorm(20, mean=8, sd=2),
            rnorm(20, mean=7, sd=1))
distance <- rep(c(1:4), each = 20)
uniqueGroup <- rep(c("x", "y"), 40)

tab<-data.frame(infGrad, distance, uniqueGroup)


# Create moving threshold function &
# test for original data
# ============================================

movThreshold <- function(th, tab, dependent, ...) {

  # Classify data 
  tab$group<- ifelse(tab$distance < th, "a", "b")

  # Calculate wincoxon test - as I have only two groups
  test<-wilcox.test(tab[[dependent]] ~ as.factor(group),  # specify column name
                    data = tab)

  # Put results in a vector 
  c(th, unique(tab$uniqueGroup), dependent, uniqueGroup, round(test$p.value, 3))

}

# Define two vectors to run through
# unique group
gr.list<-unique(tab$uniqueGroup)

# unique threshold
th.list<-c(2,3,4)

如何在两个列表上运行lapply？

lapply(c(th.list,gr.list),  # iterate over two vectors, DOES not work!!
              movThreshold, 
              tab = tab, 
              dependent = "infGrad")

在我之前的问题（Kruskal-Wallis test: create lapply function to subset data.frame?）中，我学会了如何遍历表格中的各个子集：

lapply(split(tab, df$uniqueGroup), movThreshold})

但是如何一次性遍历子集并通过阈值？

Answer 1

如果我理解了您正在尝试做的事情，那么这是一个data.table解决方案：

library(data.table)
setDT(tab)[, lapply(th.list, movThreshold, tab = tab, dependent = "infGrad"), by = uniqueGroup]

另外，你可以做一个嵌套的lapply。

lapply(gr.list, function(z) lapply(th.list, movThreshold, tab = tab[uniqueGroup == z, ], dependent = "infGrad"))

我道歉，如果我误解了你想要做的事情。

R：使用lapply同时在两个列表上迭代一个函数？

1 个答案: