写了个批量t检验的脚本，总感觉输出结果怪怪的

Sylvanas

之前用的Steel Dwass test也好，kruskal wallis test也好，都是长表格形式的数据，用分组变量来进行分组检验。t.test参数直接是两组数据进行检验：
t.test(x ~ y, alternative = "two.sided)
试了下，好像没法用sapply/apply批量检验。硬着头皮写了个脚本，输出结果总感觉有点丑，用?t.test和numeric又没发现怎么进行结果的round。是不是我又造了个钢筋混凝土的三角形轮子：

    batch_t_test<-function(x){
    dimen<-dim(x)
    result<-list()
    p_value<-numeric()
    i<-2
    for(i in 1:dimen[2]){
        result<-t.test(x[,1], x[,i], alternative = "two.sided")
        p_value[i]<-result$p.value
        i<-i+1
    }
    return(p_value)
}
a<-matrix(1:100, nrow = 5, ncol = 20)
batch_t_test(a)

输出结果是：

[1] 1.000000e+00 1.052826e-03 8.488182e-06 3.853432e-07 4.073918e-08 7.011494e-09 1.653526e-09
[8] 4.858430e-10 1.678572e-10 6.566792e-11 2.834411e-11 1.324912e-11 6.615116e-12 3.491030e-12
[15] 1.931449e-12 1.113027e-12 6.645765e-13 4.093892e-13 2.592594e-13 1.682844e-13

有啥办法么。。。。

vickkk

Sylvanas
可以用apply，并且你的for循环不需要从1开始，从2开始就可

>a<-matrix(1:100, nrow = 5, ncol = 20)
> apply(a[, -1], 2, function(col) {
+     t.test(a[, 1], col, alternative = "two.sided")$p.value
+ })
 [1] 1.052826e-03 8.488182e-06 3.853432e-07 4.073918e-08 7.011494e-09 1.653526e-09 4.858430e-10 1.678572e-10 6.566792e-11 2.834411e-11
[11] 1.324912e-11 6.615116e-12 3.491030e-12 1.931449e-12 1.113027e-12 6.645765e-13 4.093892e-13 2.592594e-13 1.682844e-13

Sylvanas

vickkk 啊忘了用apply函数。。。又重复造了个三角形混凝土的轮子。。。。
不过昨天回去后把参考方法放在最后一列就解决自己和自己检验的，好神奇：

batch_t_test<-function(x){
    dimen<-dim(x)
    p_value<-numeric()
    j<-dimen[2]-1
    i<-1
    for(i in 1:j){
       result<-t.test(x[,dimen[2]], x[,i], alternative = "two.sided")
        p_value[i]<-result$p.value
        i<-i+1
    }
    return(p_value)
}

PS: 突然间明白了，是把for循环改成for(i in 2:n)

yihui

Sylvanas 又重复造了个三角形混凝土的轮子

这次你写的已经可以算五边形轮子，起码滚得动了。如果实际应用中真的需要这样逐列独孤求 P、列数又很大的话，直接套 t 统计量公式算均值方差然后用 pt() 一步得到 P 值估计能稍微快点。

另外，别人是给每一条河每一座山取一个温暖的名字，你发帖时是给你每一行代码前后都打一遍温暖的反引号 ` `（叫人想帮你编辑都叹叹气下不了手）。有这超人的耐心，不如抽空看一眼头顶《新手须知》里的排版部分。下次的帖子代码要是再少了缩进就出去罚站（站在三角形混凝土轮子尖尖上）。

Sylvanas

yihui 改了下，果然清爽多了。我说咋可能每行都要引用代码。。。

Claireasstronaut

几位老师的方法都非常好。另外，如果用循环的话，最好预先定义长度合适的向量，而非长度为0的向量。
如果你的数据是data.frame，可以用sapply。

# 构建一个数据框
df <- data.frame(
  a = rnorm(100, 0, 1), 
  b = rnorm(100, 6, 1), 
  c = rnorm(100, 10, 1), 
  d = rnorm(100, 15, 1), 
  e = rnorm(100, 20, 1)
)

# 目的：对a和其他各列做t检验
sapply(2:ncol(df), function(col) t.test(df$a, df[[col]])$p.value)

# 如果喜欢使用purrr包
purrr::map_dbl(2:ncol(df), ~t.test(df$a, df[[.x]])$p.value)

这种情况生成的结果是向量，你可以round。

Sylvanas

Claireasstronaut 真的耶~