函数很好地工作在虚拟数据上，对于真实数据“错误:分组因子必须有精确的两个级别”？

Question

我创建了一个函数，它可以很好地处理虚拟数据。但是，当我在真实数据上运行这个函数时，我得到了一个错误

Error in wilcox.test.formula(tab[[dependent]] ~ as.factor(tab$group),  : 
      grouping factor must have exactly 2 levels

和警告信息：

In wilcox.test.default(x = c(11.2558701380866, 31.8401548036613,  :   cannot compute exact p-value with ties

因此，在我的函数中，“阈值化”似乎不能正确地将真实数据分割成两组。另外，真实数据的子设置是不正确的。但我不明白为什么？虚拟表和实表结构似乎是一样的：

虚拟数据和真实数据的结构：

虚拟人：

> str(tab)
'data.frame':   80 obs. of  3 variables:
 $ infGrad    : num  14.15 12.53 3.03 9.21 16.36 ...
 $ distance   : int  1 1 1 1 1 1 1 1 1 1 ...
 $ uniqueGroup: Factor w/ 2 levels "x","y": 1 2 1 2 1 2 1 2 1 2 ...

Real:

> str(tab)
'data.frame':   142 obs. of  10 variables:
 $ distance   : num  100 100 100 100 100 100 100 100 100 100 ...
 $ infGrad    : num  11.3 17.4 31.8 11.1 47.8 ...
 $ uniqueGroup: Factor w/ 6 levels "x",..: 5 2 5 2 5 5 5 5 3 6 ...

我发现NAs可能会导致这些问题，或者wilcox.test(y ~ x)公式的规范。

因此，我尝试将na.omit添加到我的函数中，而不是wilcox.test(y~x)，而是使用wilcox.test(y, x)。这些都不起作用。

您有什么想法吗，，如何使我的函数工作，或如何使使它更健壮的来接受我的真实数据？你的帮助是非常感谢的。

守则的作用是：

1. 两组数据的“移动阈值”分类
2. 检验各组间的统计差异。

我使用嵌套的lapply运行函数，以改变阈值和不同的数据子集。

我的虚拟数据：

set.seed(10)

infGrad <- c(rnorm(20, mean=14, sd=8),
            rnorm(20, mean=13, sd=5),
            rnorm(20, mean=8, sd=2),
            rnorm(20, mean=7, sd=1))
distance <- rep(c(1:4), each = 20)
uniqueGroup <- rep(c("x", "y"), 40)

tab<-data.frame(infGrad, distance, uniqueGroup)


# Create moving threshols function
movThreshold <- function(th, tab, dependent, ...) {
  tab<-na.omit(tab)

  # Classify data 
  tab$group<- ifelse(tab$distance < th, "a", "b") # does not WORK on REAL data

  # Calculate wincoxon test 
  test<-wilcox.test(tab[[dependent]] ~ as.factor(tab$group),  # specify column name
                    data = tab)

  # Put results in a vector 
  c(th, dependent, round(test$p.value, 3))

}

# Define two vectors to run through
# unique group
gr.list<-unique(tab$uniqueGroup)

# unique threshold
th.list<-c(2,3,4)


# apply function over threshols and subset
res<-lapply(gr.list, function(x) lapply(th.list,
                                        movThreshold,
                                        tab = tab[uniqueGroup == x,], # does not work on REAL data
                                        dependent = "infGrad"))

在实际数据上似乎行不通的是：

1. 函数中的组分类 选项卡$组<-如果其他(标签$距离< th，"a"，"b")
2. 嵌套lapply循环中的数据子集设置 制表符= tabuniqueGroup == x，

Answer 1

这个问题可能是因为一个单一的值组而发生的。您可以再现错误，例如，向th.list添加一个高值。

# unique threshold
th.list<-c(2,3,4,100)

避免这种情况的最简单方法是在执行测试之前检查tab$group的长度。这一职能的改变应足以：

movThreshold <- function(th, tab, dependent, ...) {
  tab<-na.omit(tab)

  # Classify data 
  tab$group<- ifelse(tab$distance < th, "a", "b") # does not WORK on REAL data

  # Check there are two groups
  if(length(unique(tab$group))<2){return(NA)}
  # Calculate wincoxon test 
  test<-wilcox.test(tab[[dependent]] ~ as.factor(tab$group),  # specify column name
                    data = tab)

  # Put results in a vector 
  c(th, dependent, round(test$p.value, 3))

}