将卡方检验的结果添加到每一行答案

【问题标题】：add results of chi square test to each row将卡方检验的结果添加到每一行
【发布时间】：2017-05-07 09:46:34
【问题描述】：

我有兴趣在每一行上生成一个卡方值（X 平方和 p 值）并将测试结果附加到单独的列中。我拥有的数据是每行的一个基因和两个不同组的突变或正常（野生型）计数。这是示例数据集的设置：

Genes<-c("GENE_A", "GENE_B","GENE_C")
Group1_Mut<-c(20,10,5)
Group1_WT<-c(40,50,55)
Group2_Mut<-c(10, 30, 10)
Group2_WT<-c(80, 60, 80)
main<-data.frame(Genes,Group1_Mut,Group1_WT,Group2_Mut,Group2_WT)

当我尝试将第一行作为矩阵传递给卡方检验时，出现以下错误：

chisq.test(矩阵(main[1,2:5], nrow=2, 2,2)) sum(x) 中的错误：参数的“类型”（列表）无效

有什么想法可以为 2x2 表创建一个函数来遍历列表并为主表中的每个基因附加 X 平方和 p 值吗？

注意：我确实在 SF 中看到了另一个示例：chi square test for each row in data frame

但它不太适合我在这里尝试应用的内容。

【问题讨论】：

标签： r

【解决方案1】：

这里的奇怪之处在于您没有给matrix 一个向量，而是给它一个数据框。

main[1,2:5]
  Group1_Mut Group1_WT Group2_Mut Group2_WT
1         20        40         10        80

由于矩阵中的每个元素都必须具有相同的类型，因此您的矩阵元素最终都是列表。

m <- matrix(main[1,2:5], nrow=2, byrow = TRUE)

class(m)
"matrix"
typeof(m)
"list"

class(m[1, 1])
"list"

在调用matrix之前，您需要unlist您的数据框元素

chisq.test(matrix(unlist(main[1, 2:5], nrow = 2, byrow = TRUE)))

这会产生你想要的。

【讨论】：

比我快 33 秒 ... ;-)
可能是因为我在一些细节上懈怠了。 :)

【解决方案2】：

要了解错误尝试通信的原因，请将您的数据与 chisq.test 预期的数据类型进行比较：

dput(matrix(main[1,2:5,drop=T], nrow=2, 2,2))
# structure(list(20, 10, 40, 80), .Dim = c(2L, 2L))
dput(matrix(1:4, nrow=2, 2,2))
# structure(c(1L, 3L, 2L, 4L), .Dim = c(2L, 2L))

一种补救方法是强制您将数据放入numeric 向量中：

res <- chisq.test(matrix(as.numeric(main[1,2:5]), nrow=2, 2,2))
res
#   Pearson's Chi-squared test with Yates' continuity correction
# data:  matrix(as.numeric(main[1, 2:5]), nrow = 2, 2, 2)
# X-squared = 9.7656, df = 1, p-value = 0.001778

现在，如果您想将结果添加到每一行，您首先需要选择“哪些结果”。也就是说，结果实际上有点美化了，内部有几个花絮：

str(unclass(res))
# List of 9
#  $ statistic: Named num 9.77
#   ..- attr(*, "names")= chr "X-squared"
#  $ parameter: Named int 1
#   ..- attr(*, "names")= chr "df"
#  $ p.value  : num 0.00178
#  $ method   : chr "Pearson's Chi-squared test with Yates' continuity correction"
#  $ data.name: chr "matrix(as.numeric(main[1, 2:5]), nrow = 2, 2, 2)"
#  $ observed : num [1:2, 1:2] 20 10 40 80
#  $ expected : num [1:2, 1:2] 12 18 48 72
#  $ residuals: num [1:2, 1:2] 2.309 -1.886 -1.155 0.943
#  $ stdres   : num [1:2, 1:2] 3.33 -3.33 -3.33 3.33

如果您想将（例如）测试统计数据包含在一个数字中，您可以这样做：

chisq.statistic <- sapply(seq_len(nrow(main)), function(row) {
  chisq.test(matrix(as.numeric(main[row,2:5]), nrow=2, 2,2))$statistic
})
main$chisq.statistic <- chisq.statistic
main
#    Genes Group1_Mut Group1_WT Group2_Mut Group2_WT chisq.statistic
# 1 GENE_A         20        40         10        80      9.76562500
# 2 GENE_B         10        50         30        60      4.29687500
# 3 GENE_C          5        55         10        80      0.07716049

请注意，dplyr 和 data.table 之类的工具可能会促进这一点。例如：

library(dplyr)
main %>%
  rowwise() %>%
  mutate(
    chisq.statistic = chisq.test(matrix(c(Group1_Mut, Group1_WT, Group2_Mut, Group2_WT), nrow = 2))$statistic
  )
# Source: local data frame [3 x 6]
# Groups: <by row>
# # A tibble: 3 × 6
#    Genes Group1_Mut Group1_WT Group2_Mut Group2_WT chisq.statistic
#   <fctr>      <dbl>     <dbl>      <dbl>     <dbl>           <dbl>
# 1 GENE_A         20        40         10        80      9.76562500
# 2 GENE_B         10        50         30        60      4.29687500
# 3 GENE_C          5        55         10        80      0.07716049

此示例显示了您可能希望在使用的任何方法中加入的一件事：显式命名列。也就是说，“2:5”可能会根据您的输入矩阵而改变。

【讨论】：