Kruskal - 具有 R 的数据子集的 Wallis p 值矩阵

Posted 2023-02-16

【中文标题】Kruskal - 具有 R 的数据子集的 Wallis p 值矩阵

【英文标题】：Kruskal - Wallis p-value matrix for data subsets with R

【发布时间】：2015-11-23 17:14:30

【问题描述】：

考虑一个数据集Data，它具有多个因子和多个数值连续变量。其中一些变量，比如slice_by_1（具有“男性”、“女性”类）和slice_by_2（具有“悲伤”、“中性”、“快乐”类），用于将数据“切片”为子集.对于每个子集，Kruskal-Wallis 测试应该在变量 length、preasure、pulse 上运行，每个变量都由另一个称为 compare_by 的因子变量分组。 R 中是否有一种快速的方法来完成这项任务并将计算出的 p 值放入矩阵中？

我使用dplyr包准备数据。

样本数据集：

library(dplyr)
set.seed(123)
Data <- tbl_df(
   data.frame(
       slice_by_1 = as.factor(rep(c("Male", "Female"), times = 120)),
       slice_by_2 = as.factor(rep(c("Happy", "Neutral", "Sad"), each = 80)),
       compare_by = as.factor(rep(c("blue", "green", "brown"), times = 80)),
       length   = c(sample(1:10, 120, replace=T), sample(5:12, 120, replace=T)),
       pulse    = runif(240, 60, 120),
       preasure = c(rnorm(80,1,2),rnorm(80,1,2.1),rnorm(80,1,3))
   )
   ) %>%
group_by(slice_by_1, slice_by_2)

我们来看数据：

Source: local data frame [240 x 6]
Groups: slice_by_1, slice_by_2

   slice_by_1 slice_by_2 compare_by length     pulse     preasure
1        Male      Happy       blue     10  69.23376  0.508694601
2      Female      Happy      green      1  68.57866 -1.155632020
3        Male      Happy      brown      8 112.72132  0.007031799
4      Female      Happy       blue      3 116.61283  0.383769524
5        Male      Happy      green      7 110.06851 -0.717791526
6      Female      Happy      brown      8 117.62481  2.938658488
7        Male      Happy       blue      9 105.59749  0.735831389
8      Female      Happy      green      2  83.44101  3.881268679
9        Male      Happy      brown      5 101.48334  0.025572561
10     Female      Happy       blue     10  62.87331 -0.715108893
..        ...        ...        ...    ...       ...          ...

所需输出的示例：

    Data_subsets    length  preasure     pulse
1     Male_Happy <p-value> <p-value> <p-value>
2   Female_Happy <p-value> <p-value> <p-value>
3   Male_Neutral <p-value> <p-value> <p-value>
4 Female_Neutral <p-value> <p-value> <p-value>
5       Male_Sad <p-value> <p-value> <p-value>
6     Female_Sad <p-value> <p-value> <p-value>

【参考方案1】：

group_by 的大部分内容你已经掌握了，现在你只需要do 它：

Data %>%
    do(
        data.frame(
            Data_subsets=paste(.$slice_by_1[[1]], .$slice_by_2[[1]], sep='_'),
            length=kruskal.test(.$length, .$compare_by)$p.value,
            preasure=kruskal.test(.$preasure, .$compare_by)$p.value,
            pulse=kruskal.test(.$pulse, .$compare_by)$p.value,
            stringsAsFactors=FALSE)
    ) %>%
    ungroup() %>%
    select(-starts_with("slice_"))
## Source: local data frame [6 x 4]
##     Data_subsets    length  preasure     pulse
## 1   Female_Happy 0.4369918 0.1937327 0.8767561
## 2 Female_Neutral 0.3750688 0.8588069 0.2858796
## 3     Female_Sad 0.7958502 0.6274940 0.5801208
## 4     Male_Happy 0.3099704 0.6929493 0.3796494
## 5   Male_Neutral 0.4953853 0.2986860 0.2418708
## 6       Male_Sad 0.7159970 0.8528201 0.5686672

您必须执行ungroup() 才能删除slice* 列，因为group_by 列不会被删除（我想说“从未删除”，但我不确定）。

【参考方案2】：

我们可以在do 中使用Map 来处理kruskal.test 中的多列，然后使用library(tidyr) 中的unite 将'slice_by_1' 和'slice_by_2' 列连接到单个列'Data_subsets'。

library(dplyr)
library(tidyr)
nm1 <- names(Data)[4:6]
f1 <- function(x,y) kruskal.test(x~y)$p.value

Data %>% 
     do(data.frame(Map(f1, .[nm1], list(.$compare_by)))) %>% 
     unite(Data_subsets, slice_by_1, slice_by_2, sep="_")
#     Data_subsets    length     pulse  preasure
#1   Female_Happy 0.4369918 0.8767561 0.1937327
#2 Female_Neutral 0.3750688 0.2858796 0.8588069
#3     Female_Sad 0.7958502 0.5801208 0.6274940
#4     Male_Happy 0.3099704 0.3796494 0.6929493
#5   Male_Neutral 0.4953853 0.2418708 0.2986860
#6       Male_Sad 0.7159970 0.5686672 0.8528201

---

或者我们可以使用data.table 来做到这一点。我们将 'data.frame' 转换为 'data.table' (setDT(Data))，通过pasteing 'slice_by_1' 和 'slice_by_2' 列创建分组变量 ('Data_subsets')，然后我们对数据集并将其作为输入传递给Map，执行krusal.test 并提取p.value。

library(data.table)    
setDT(Data)[, Map(f1, .SD[, nm1, with=FALSE], list(compare_by)) ,
             by = .(Data_subsets= paste(slice_by_1, slice_by_2, sep='_'))]
#     Data_subsets    length     pulse  preasure
#1:     Male_Happy 0.3099704 0.3796494 0.6929493
#2:   Female_Happy 0.4369918 0.8767561 0.1937327
#3:   Male_Neutral 0.4953853 0.2418708 0.2986860
#4: Female_Neutral 0.3750688 0.2858796 0.8588069
#5:       Male_Sad 0.7159970 0.5686672 0.8528201
#6:     Female_Sad 0.7958502 0.5801208 0.6274940

【讨论】：

很好地使用了Map，我还没有将unite 合并到我的扫描中，很高兴知道。

@r2evans 之前一直在想你的方法，但是觉得如果列多了，就会变得重复。

我正在做类似的事情（与lapply 胡扯，还没有想到mapply）当我想我会缩短它并发布它时。与我发布的方法相比，我通常更喜欢更通用的方法（如您的方法）。我很懒。