Question

我将三个种群存储为单个向量。我需要对这三个人口中的每一个人口进行统计检验（如果需要的话，是wilcoxon）。

我想在一个代码块中输入三个向量，并获得6个p值的向量的输出（一个测试值是一个p值，是一个双精度值）。

我有一个可行的方法，但是我是R语言的新手，从我的阅读中我感觉应该有更好的方法，可能涉及将向量存储为数据帧并使用向量化来编写此代码。

这是我的代码：

library(arrangements)

runAllTests <- function(pop1,pop2,pop3) {
    populations <- list(pop1=pop1,pop2=pop2,pop3=pop3)
    colLabels <- c("pop1", "pop2", "pop3")

    #This line makes a data frame where each column is a pair of labels
    perms <- data.frame(t(permutations(colLabels,2)))

    pvals <- vector()

    #This for loop gets each column of that data frame
    for (pair in perms[,]) {
        pair <- as.vector(pair)
        p1 <- as.numeric(unlist(populations[pair[1]]))
        p2 <- as.numeric(unlist(populations[pair[2]]))

        pvals <- append(pvals, wilcox.test(p1, p2,alternative=c("less"))$p.value)
    }

    return(pvals)
}

哪种更适合R的方式编写此代码？

注意：生成种群并将它们相互比较是一件很普通的事情（并且很棘手，很难编码），我认为这个问题比我本人更适用。

编辑：我忘记了我的实际人口大小不同。这意味着我无法从矢量中制作出数据帧（据我所知）。我可以列出向量。我已经用可以正常工作的版本更新了代码。

Answer 1

是的，这确实很普遍；确实如此普遍，以至于R在这种情况下具有内置功能：pairwise.table。

p <- list(pop1, pop2, pop3)
pairwise.table(function(i, j) { 
   wilcox.test(p[[i]], p[[j]])$p.value 
}, 1:3)

还有t检验，比例检验和Wilcoxon检验的特定版本；这是使用pairwise.wilcox.test的示例。

p <- list(pop1, pop2, pop3)
d <- data.frame(x=unlist(p), g=rep(seq_along(p), sapply(p, length)))
with(d, pairwise.wilcox.test(x, g))

此外，请确保您查看p.adjust.method参数以正确调整多个比较。

根据您的评论，您对订单重要的测试感兴趣；真的很难想象（对于您提到的Wilcoxon测试也不是真的），但仍然...

这是pairwise.table函数，经过编辑可以在两个方向上进行测试。

pairwise.table.all <- function (compare.levels, level.names, p.adjust.method) {
  ix <- setNames(seq_along(level.names), level.names)
  pp <- outer(ix, ix, function(ivec, jvec) 
    sapply(seq_along(ivec), function(k) {
             i <- ivec[k]; j <- jvec[k]
             if (i != j) compare.levels(i, j) else NA }))
  pp[] <- p.adjust(pp[], p.adjust.method)
  pp
}

这是pairwise.wilcox.test的一个版本，它使用上述功能，并且也运行在向量列表上，而不是长格式的数据帧。

pairwise.lazerbeam.test <- function(dat, p.adjust.method=p.adjust.methods) {
  p.adjust.method <- match.arg(p.adjust.method)
  level.names <- if(!is.null(names(dat))) names(dat) else seq_along(dat)
  PVAL <- pairwise.table.all(function(i, j) { 
    wilcox.test(dat[[i]], dat[[j]])$p.value 
  }, level.names, p.adjust.method = p.adjust.method)
  ans <- list(method = "Lazerbeam's special method", 
              data.name = paste(level.names, collapse=", "), 
              p.value = PVAL, p.adjust.method = p.adjust.method)
  class(ans) <- "pairwise.htest"
  ans
}

整理之前和之后的输出看起来像这样：

> p <- list(a=1:5, b=2:8, c=10:16)
> out <- pairwise.lazerbeam.test(p)

> out

    Pairwise comparisons using Lazerbeams special method 

data:  a, b, c 

  a      b      c     
a -      0.2821 0.0101
b 0.2821 -      0.0035
c 0.0101 0.0035 -     

P value adjustment method: holm 

> pairwise.lazerbeam.test(p) %>% broom::tidy()
# A tibble: 6 x 3
  group1 group2 p.value
  <chr>  <chr>    <dbl>
1 b      a      0.282  
2 c      a      0.0101 
3 a      b      0.282  
4 c      b      0.00350
5 a      c      0.0101 
6 b      c      0.00350

Answer 2

这里是使用combn()的一种方法的示例，该方法具有一个函数自变量，可用于轻松地将wilcox.test()应用于所有变量组合。

set.seed(234)

# Create dummy data
df <- data.frame(replicate(3, sample(1:5, 100, replace = TRUE)))

# Apply wilcox.test to all combinations of variables in data frame.
res <- combn(names(df), 2, function(x) list(data = c(paste(x[1], x[2])), p = wilcox.test(x = df[[x[1]]], y =  df[[x[2]]])$p.value), simplify = FALSE)

# Bind results
do.call(rbind, res) 

     data    p         
[1,] "X1 X2" 0.45282   
[2,] "X1 X3" 0.06095539
[3,] "X2 X3" 0.3162251

R-对多个总体的每个排列进行统计测试的最干净方法

2 个答案: