运行多个t.tests以比较R中的列值对

Question

我有一个数据帧，看起来像这样：

Age  A1U_sweet  A2F_dip  A3U_bbq  C1U_sweet  C2F_dip  C3U_bbq  Comments
23   1          2        1        NA         NA       NA       Good
54   NA         NA       NA       4          1        2        ABCD
43   2          4        7        NA         NA       NA       HiHi

我尝试运行一系列t.tests来比较以A#开头的列和以C#开头的相应列。我已经通过为每一对列键入以下内容来手动完成此操作。

t.test(df$A1U_sweet, df$C1U_sweet)

有没有办法让我在A1U和C1U、A2U和C2U以及A3U和C3U上运行t.tests？我尝试使用apply函数和for循环，但无法弄清楚如何在这种情况下使它们工作。

df <- read.table(header = TRUE, stringsAsFactors = FALSE, text = "
                 Age  A1U_sweet  A2F_dip  A3U_bbq  C1U_sweet  C2F_dip  C3U_bbq  Comments
                  23   1          2        1              2         5       5       Good
                  54   1          3        1              4         1       2       ABCD
                  43   2          4        7              1         1       1       HiHi")

Answer 1

如果我们需要对“A”和“C”的相应“1s”、“2s”和“3s”执行t.test，则根据仅包含数字的列名的子字符串对数据集执行split操作，然后应用t.test

lapply(split.default(df[2:7], gsub("\\D+", "", names(df)[2:7])), t.test)

Answer 2

任务本身并不困难或复杂，尽管由于数据的排列方式，它看起来是这样的。当您看到变量名传递了多条信息时，问问自己是否可以用更简单的方式排列数据通常是很有帮助的。这个简单的声明是R中流行的“整洁”数据操作方法的核心，虽然我并不喜欢以“整洁”的名义所做的一切，但这个核心声明是合理的，您违反了它(就像您在这里所做的那样)，只是冒着使您的分析比需要的困难得多的风险。

一个不错的第一步是重新排列数据，这样数据就不会编码在列名中：

df <- read.table(header = TRUE, stringsAsFactors = FALSE, text = "
                 Age  A1U_sweet  A2F_dip  A3U_bbq  C1U_sweet  C2F_dip  C3U_bbq  Comments
                  23   1          2        1        2         5       5       Good
                  54   1         3       1       4          1        2        ABCD
                  43   2          4        7        1         1       1       HiHi")

library(tidyr)

df <- data.frame(id = 1:nrow(df), df)

dfl <- gather(df, key = "key", value = "value", -id, -Age, -Comments)
dfl <- separate(dfl, key, into = c("key", "kind", "type"), sep = c(1, 4))
dfl
##    id Age Comments key kind  type value
## 1   1  23     Good   A  1U_ sweet     1
## 2   2  54     ABCD   A  1U_ sweet     1
## 3   3  43     HiHi   A  1U_ sweet     2
## 4   1  23     Good   A  2F_   dip     2
## 5   2  54     ABCD   A  2F_   dip     3
## 6   3  43     HiHi   A  2F_   dip     4
## 7   1  23     Good   A  3U_   bbq     1
## 8   2  54     ABCD   A  3U_   bbq     1
## 9   3  43     HiHi   A  3U_   bbq     7
## 10  1  23     Good   C  1U_ sweet     2
## 11  2  54     ABCD   C  1U_ sweet     4
## 12  3  43     HiHi   C  1U_ sweet     1
## 13  1  23     Good   C  2F_   dip     5
## 14  2  54     ABCD   C  2F_   dip     1
## 15  3  43     HiHi   C  2F_   dip     1
## 16  1  23     Good   C  3U_   bbq     5
## 17  2  54     ABCD   C  3U_   bbq     2
## 18  3  43     HiHi   C  3U_   bbq     1

这可能看起来像是大量的工作，但它使数据更容易处理，而且不仅仅是对于这个特定的操作。

现在已经将数据转换为合理的排列，实际任务非常简单：

lapply(split(dfl, dfl$type), function(d) t.test(value ~ key, data = d))
## $bbq
## 
##  Welch Two Sample t-test
##  
## data:  value by key
## t = 0.14286, df = 3.2778, p-value = 0.8947
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -6.748715  7.415381
## sample estimates:
## mean in group A mean in group C 
##        3.000000        2.666667 
##
##
## $dip
## 
##  Welch Two Sample t-test
## 
## data:  value by key
## t = 0.45883, df = 2.7245, p-value = 0.6805
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -4.233396  5.566729
## sample estimates:
## mean in group A mean in group C 
##        3.000000        2.333333 
## 
## 
## $sweet
## 
##  Welch Two Sample t-test
## 
## data:  value by key
## t = -1.0607, df = 2.56, p-value = 0.3785
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -4.31437  2.31437
## sample estimates:
## mean in group A mean in group C 
##        1.333333        2.333333