R语言：数据框选定变量逐行t检验的高效实现（替代for循环）

我有一个记录个体不同维度得分的数据框，示例包含10个个体的7项得分（A至G）：

set.seed(123)
df <- data.frame(
  A = rnorm(10, mean = 0, sd = 1),
  B = rnorm(10, mean = 0, sd = 1),
  C = rnorm(10, mean = 0, sd = 1),
  D = rnorm(10, mean = 0, sd = 1),
  E = rnorm(10, mean = 0, sd = 1),
  F = rnorm(10, mean = 0, sd = 1),
  G = rnorm(10, mean = 0, sd = 1)
)

输出示例：

A          B          C           D           E           F           G
1  -0.56047565  1.2240818 -1.0678237  0.42646422 -0.69470698  0.25331851  0.37963948
2  -0.23017749  0.3598138 -0.2179749 -0.29507148 -0.20791728 -0.02854676 -0.50232345
3   1.55870831  0.4007715 -1.0260044  0.89512566 -1.26539635 -0.04287046 -0.33320738
4   0.07050839  0.1106827 -0.7288912  0.87813349  2.16895597  1.36860228 -1.01857538
5   0.12928774 -0.5558411 -0.6250393  0.82158108  1.20796200 -0.22577099 -1.07179123
6   1.71506499  1.7869131 -1.6866933  0.68864025 -1.12310858  1.51647060  0.30352864
7   0.46091621  0.4978505  0.8377870  0.55391765 -0.40288484 -1.54875280  0.44820978
8  -1.26506123 -1.9666172  0.1533731 -0.06191171 -0.46665535  0.58461375  0.05300423
9  -0.68685285  0.7013559 -1.1381369 -0.30596266  0.77996512  0.12385424  0.92226747
10 -0.44566197 -0.4727914  1.2538149 -0.38047100 -0.08336907  0.21594157  2.05008469

另外，将部分变量分为两个动态分组：

list1 <- c("B", "C", "D")
list2 <- c("A", "E", "G")

需求：对每个个体的两组得分执行t.test()，将p值存入新列pval。目前用for循环实现但速度较慢，希望用更优雅的方式（如map()或apply系列函数），之前尝试在mutate()中使用map2_dbl()但未成功。

解决方案 #

方法1：tidyverse风格（dplyr + purrr） #

这种方法符合tidyverse链式操作逻辑，代码可读性强：

library(dplyr)
library(purrr)

df <- df %>%
  # 按行提取两组得分，生成列表列
  mutate(
    group1 = pmap(across(all_of(list1)), ~c(...)),
    group2 = pmap(across(all_of(list2)), ~c(...))
  ) %>%
  # 遍历两组列表，执行t检验并提取p值
  mutate(pval = map2_dbl(group1, group2, ~t.test(.x, .y)$p.value)) %>%
  # 可选：删除临时生成的group1和group2列
  select(-group1, -group2)

方法2：base R的apply函数 #

如果偏好base R，用apply按行处理更简洁：

df$pval <- apply(df, 1, function(row) {
  # 提取当前行的两组得分
  g1 <- as.numeric(row[list1])
  g2 <- as.numeric(row[list2])
  # 执行t检验并返回p值
  t.test(g1, g2)$p.value
})

注意事项 #

• 如果需要配对t检验，只需在t.test()中添加参数paired = TRUE即可。
• 两种方法结果完全一致，purrr方法在处理大型数据框时性能更稳定，apply方法则更轻量化。

内容的提问来源于stack exchange，提问作者Meisam