写R脚本:以对多分组数据进行正态分布检验为例

Posted yanlingbin

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了写R脚本:以对多分组数据进行正态分布检验为例相关的知识,希望对你有一定的参考价值。

问题提出

正态分布检验一次只能检验一个分组,如果有多组数据需要检验,则需要运行多次

解决思路

  • 使用循环命令可以实现按一定规则计算。
  • 如果以后也经常需要使用,写成脚本调用更方便些,需要使用的时候直接调用即可。
  • 脚本针对的场景相对直接使用循环命令更广泛写,如果仅使用循环命令,很多参数与类型定义直接使用数据对应的即可,因此写脚本难度相对高一些,但是设计出可以通用的脚本也是小小的成就。

设计框架

函数名与参数

从分组是否符合生态分布需要输入数据出发,定义的函数设计以下内容:

  • 函数名,这个无所谓,只要不是数字开头,不含符号字符即可。先做个简单的脚本,只用Shapiro-Wilk法进行检验,因为要检验多个,就假设multi,关键词之间,可以用“.”隔开,函数名shapiro.test.multi。
  • 数据集,数据类型多样,通常是数据框。
  • 分组变量名,需要获取分组变量不重复的值,分组的数据可能是文本型也可能是数值,通常是文本型。所以先只定义文本型的。
  • 计算值变量名,根据不同的分组名提取此值为向量,此数据必须为数值。

输出数据框

从输出来看,需要得到一张表,这个表要包含计算得到的重要信息:

  • 分组名
  • 统计量,对于Shapiro-Wilk来说,即W
  • 概率值,即p.value
  • 分布的判断结果,如果p.value > 0.05,则判断符合正态分布

定义用于存储数据的数据框

  • 数据框应包含输出数据框所需变量信息
  • 定义为空的数据框以便填入数据

使用管道函数简洁代码

  • 需要加载管道函数的程序包magrittr,使用require(),判断是否已经加载,如未加载则加载。
shapiro.test.multi <- function(   #定义函数名
  data,   #定义函数第一个参数
  value,  #第2参数
  group)  #第3参数
  {       #开始计算
  
  require(magrittr)   #按需要加载管道函数包
  
  table(data[,group]) %>%   #提取分组信息,此处即为统计group中值出现的次数,达到了去重的目的
    data.frame(.) -> a1   #将提取信息从table格式转为数据库data.frame并存为a1,这样才能提取其中一列转为向量
  
  a2 <- as.vector(a1[,1])  #将a1数据的第一列转为向量,这一列即为不重复的分组信息
    
  data = data.frame(group = data[,group],  #对数据集进行关键变量的提取,提取分组变量为data数据集的group变量
                    value = data[,value])  #提取计算值为data数据集的value
  
  test.result <- data.frame(No=0,        #行号
                            Name=0,      #分组名
                            W=0,         #W值
                            p.value=0,   #p值
                            norm.test=0) #检测结果

  for (i in (1:length(a2))){     #定义for循环计算,从1到a2的长度值这样一个区间,a2的长度即为分组的数量
    subset(data,                 #指定取数据集    换行写代码使层次更清晰
           group == a2[i],       #定义去子集的条件,“==”为判断
           select = value) %>%   #定义需要取集的变量/列,“=”为定义
      .[,1] %>%                  #  "."定义计算结果放置的位置
      shapiro.test(.) -> t.r     #进行正态检验分布并存储为t.r
    
    test.result[i,1] = i              #存储组序号
    test.result[i,2] = a2[i]          #存储分组名
    test.result[i,3] = t.r$statistic  #存储W统计量
    test.result[i,4] = t.r$p.value    #存储计算的p值
    
    if      #if判断
    (t.r$p.value > 0.05)           #判断条件
      test.result[i,5] = "Norm"    #通过判断后的命令
      else 
        test.result[i,5] = "Other_situation"  #未通过判断执行的命令
    } #结束循环计算
  
   test.result[nrow( test.result)+1,1] = "Test Method:"  #给数据框加上检验正态分布方法信息,在最后一行之后加上一行,在第1列放入次数据
   test.result[nrow( test.result),2] = "Shapiro-Wilk"    #同上行,存在第二列
   
  test.result  #显示用于存储计算结果的数据框
}              #脚本结束
此处以iris数据为例,计算测量的三个物种的花瓣长度值是否都符合正态分布假设。
shapiro.test.multi(iris,value = "Sepal.Length",group = "Species")

运行结果

- No Name W p.value norm.test
1 1 setosa 0.9776985 0.4595132 Norm
2 2 versicolor 0.9778357 0.4647370 Norm
3 3 virginica 0.9711794 0.2583147 Norm
4 Test Method: Shapiro-Wilk NA NA NA

以上是关于写R脚本:以对多分组数据进行正态分布检验为例的主要内容,如果未能解决你的问题,请参考以下文章

R语言-数据的正态性检验

R语言非独立多分组非参数检验Kruskal–Wallis检验进行非独立多分组非参数检验(Nonparametric multiple comparisons)当ANOVA不满足条件的情况下

R语言之正态性检验

spsst检验怎么做

将连续月份分组在一起以对 HIVE 中的数据进行分类

R语言使用wilcox.test函数进行两组数据的Wilcoxon秩和检验(Mann–Whitney U检验)评估两组数据是否来自相同的概率分布