我的问题与this one有关,但是是一个更复杂的示例,在该示例中,我想统计比较所有组合中的多个列,并且每个列都有不同数量的样本。
考虑原始数据:
# A tibble: 51 x 3
trial person score
<chr> <chr> <dbl>
1 foo a 0.266
2 bar b 0.372
3 foo c 0.573
4 bar a 0.908
5 foo b 0.202
6 bar c 0.898
7 foo a 0.945
8 bar b 0.661
9 foo c 0.629
10 foo b 0.206
对于每种试验类型,我都希望进行统计测试,以比较每个人的得分。因此,我需要以下测试结果:
foo
试验,比较A–B,B–C,C–A人的所有score
个样本bar
试验,比较A–B,B–C,C–A人的所有score
个样本当然,有两个以上的审判,三个以上的人。
因此,在另一个问题中使用group_split
的解决方案不起作用,因为这意味着总是再次测试第一人称(对于我而言),而不是所有成对组合。
因此,在以下代码中,我陷入了两点:
library(tidyverse)
#> Registered S3 methods overwritten by 'ggplot2':
#> method from
#> [.quosures rlang
#> c.quosures rlang
#> print.quosures rlang
library(broom)
set.seed(1)
df = tibble::tibble(
trial = rep(c("foo", "bar"), 30),
person = rep(c("a", "b", "c"), 20),
score = runif(60)
) %>%
filter(score > 0.2)
df %>%
group_by(person, trial) %>%
summarize(scores = list(score)) %>%
spread(person, scores) %>%
group_split(trial) %>%
map_df(function(data) {
data %>%
summarize_at(vars(b:c), function(x) {
wilcox.test(.$a, x, paired = FALSE) %>% broom::tidy
})
})
#> Error in wilcox.test.default(.$a, x, paired = FALSE): 'x' must be numeric
由reprex package(v0.3.0)于2019-05-29创建
x
的值显然不仅是分数的实际列表,而且是单个试验的分数列向量。但是我不知道该如何处理每个人的样本数量不同的事实。
此外,我仍然必须手动指定列名,如果有四个以上的人员,这将是一个组合梦night。
我可以通过某种方式获得组合:
df %>%
group_split(trial) %>%
map_df(function(data) {
combinations = expand(tibble(x = unique(data$person), y = unique(data$person)), x, y) %>% filter(x != y)
})
…,但这实际上对创建比较列没有帮助。
我该怎么做才能使这项工作成功?
答案 0 :(得分:1)
这将允许您以编程方式指定组合,并解决在wilcox.test()
中遇到的错误。
combos <- unique(df$person) %>%
combn(2, simplify = F) %>%
set_names(map_chr(., ~ paste(., collapse = "_")))
df %>%
group_split(trial) %>%
set_names(map_chr(., ~ unique(.$trial))) %>%
map_df(function(x) {
map_df(combos, function(y) {
filter(x, person %in% y) %>%
wilcox.test(score ~ person, data = .) %>%
broom::tidy()
}, .id = "contrast")
}, .id = "trial")
# A tibble: 6 x 6
trial contrast statistic p.value method alternative
<chr> <chr> <dbl> <dbl> <chr> <chr>
1 bar a_b 34 0.878 Wilcoxon rank sum test two.sided
2 bar a_c 32 1 Wilcoxon rank sum test two.sided
3 bar b_c 31 0.959 Wilcoxon rank sum test two.sided
4 foo a_b 41 1 Wilcoxon rank sum test two.sided
5 foo a_c 41 1 Wilcoxon rank sum test two.sided
6 foo b_c 43 0.863 Wilcoxon rank sum test two.sided
由于此模式与您最初使用的模式有很大不同,因此我不确定它是否适用于您的实际案例,但它在这里适用,因此我想分享。