在数据框中使用循环进行多次测试答案

【问题标题】：Use loop for multiple testing in data frame在数据框中使用循环进行多次测试
【发布时间】：2017-03-08 13:07:36
【问题描述】：

我想要一个通用函数来对数据框中的数据执行多个 t.tests，并使用以下示例数据：

dat <- data.frame(ID=c(1:100),
                  DRUG= rep(c("D1","D2","D2","D3","D3","D3","D5","D1","D4","D2"),10),
                  ADR=rep(c("A1","A2","A3","A6","A7","A8","A4","A2","A1","A2"),10),
                  X= sample(1:250, 100, replace=F))

基本上，我想针对 DRUG - ADR 的每个独特组合的 X 值运行两个 t.test。如果我以 D1-A1 为例，我想测试 D1-A1 与 D1-A1 的 X 值以及 D1-A1 与 D1-A1 的 X 值。下面是我对这个例子的语法，但我的问题是如何制作一个通用循环/函数来对 DRUG - ADR 的每个独特组合执行两个测试。

x <- ifelse (dat$DRUG == "D1" & dat$ADR == "A1",dat$X, NA)
x <- x[!is.na(x)]

y <- ifelse (dat$DRUG != "D1" & dat$ADR == "A1",dat$X, NA)
y <- y[!is.na(y)]

z <- ifelse (dat$DRUG == "D1" & dat$ADR != "A1",dat$X, NA)
z <- z[!is.na(z)]

t.test(x,y)
t.test(x,z)

因此，对于第 4 条记录 (D3-A6)，语法为：

x <- ifelse (dat$DRUG == "D3" & dat$ADR == "A6",dat$X, NA)
x <- x[!is.na(x)]

y <- ifelse (dat$DRUG != "D3" & dat$ADR == "A6",dat$X, NA)
y <- y[!is.na(y)]

z <- ifelse (dat$DRUG == "D3" & dat$ADR != "A6",dat$X, NA)
z <- z[!is.na(z)]

t.test(x,y)
t.test(x,z)

谁知道通用函数的好主意？

编辑：我的理想结果如下表：

  Drug ADR pvalue1 pvalue2
1   D1  A1  pval11  pval21
2   D2  A2  pval12  pval22
3  D.. A.. pval1.. pval2..

【问题讨论】：

标签： r function for-loop

【解决方案1】：

与每个编程问题一样，解决方案分为两个步骤：

抽象您的逻辑以使其通用
将抽象解决方案封装成可重用函数

你可以继续

对所有数据重复调用该函数。

但是，首先：t 检验有时会因数据不足而失败；所以让我们替换 t.test 调用：

t_test = function (x, y, ...) {
    tryCatch(t.test(x, y, ...)$p.value, error = function (err) NA)
}

那么，综合起来，这给了我们：

library(dplyr) # Makes data manipulation easier.

test_combination = function (data, id) {
    drug = data[id, ]$DRUG
    adr = data[id, ]$ADR

    match = filter(data, DRUG == drug, ADR == adr)$X
    mismatch1 = filter(data, DRUG != drug, ADR == adr)$X
    mismatch2 = filter(data, DRUG == drug, ADR != adr)$X

    list(pval1 = t_test(match, mismatch1), pval2 = t_test(match, mismatch2))
}

测试单个组合。现在我们测试所有这些：

result = lapply(dat$ID, test_combination, data = dat) %>%
    bind_rows() %>%
    bind_cols(dat, .) %>%
    select(-X)

或者，使用更类似于 dplyr（但在我看来有些晦涩）的方法：

result = dat %>%
    rowwise() %>%
    do(bind_rows(test_combination(dat, .$ID))) %>%
    bind_cols(dat, .) %>%
    select(-X)

请注意此代码如何不使用显式 for 循环。这就是您在 R 中处理数据的方式：您将函数应用于表或列表中的项目，而不是手动迭代。

请注意，从统计上讲，上述内容非常值得怀疑。至少你需要执行严格的multiple testing correction。

【讨论】：