R语言t检验表格生成报错修复及Fold change计算需求

先搞定Control_Mean找不到的报错 #

这个报错本质是分组计算后，你没把对照组和处理组的均值规整到同一行，或者手动提取变量时命名出错。直接用tidyverse流水线操作就能避免这类问题，全程不用手动定义Control_Mean这类变量。

完整可运行代码 #

先装包（第一次运行时执行）：

# 安装依赖包
install.packages(c("tidyverse", "broom"))

加载包+构造示例数据（替换成你的真实数据即可）：

library(tidyverse)
library(broom) # 自动整理t检验结果，不用手动提取p值

# 示例数据结构：分组（Control/Treatment）、检测指标、重复样本数值
set.seed(123)
raw_data <- tibble(
  Group = rep(c("Control", "Treatment"), each = 5),
  Index = rep(c("指标1", "指标2", "指标3"), times = c(4, 3, 3)),
  Value = c(rnorm(4, 5, 0.5), rnorm(3, 7, 0.6), rnorm(3, 4, 0.4))
)

一步步生成目标表格：

# 1. 分组计算均值、标准差，格式化为「均值±标准差」
summary_data <- raw_data %>%
  group_by(Index, Group) %>%
  summarise(
    mean_val = mean(Value),
    sd_val = sd(Value),
    mean_sd = sprintf("%.2f ± %.2f", mean_val, sd_val), # 保留两位小数
    .groups = "drop"
  )

# 2. 转宽表，让对照组和处理组结果在同一行
wide_data <- summary_data %>%
  pivot_wider(
    names_from = Group,
    values_from = c(mean_val, sd_val, mean_sd)
  )

# 3. 计算Fold Change：严格按log2(处理组均值/对照组均值)公式
wide_data <- wide_data %>%
  mutate(
    fold_change = log2(mean_val_Treatment / mean_val_Control),
    fold_change = sprintf("%.2f", fold_change) # 格式化输出
  )

# 4. 执行t检验，自动添加显著性标记（**=p<0.01，*=0.05≥p>0.01）
t_test_res <- raw_data %>%
  group_by(Index) %>%
  summarise(
    t_test = list(t.test(Value ~ Group, data = cur_data())),
    .groups = "drop"
  ) %>%
  mutate(
    p_val = map_dbl(t_test, ~ .x$p.value),
    sig_mark = case_when(
      p_val < 0.01 ~ "**",
      p_val < 0.05 ~ "*",
      TRUE ~ ""
    )
  ) %>%
  select(Index, sig_mark)

# 5. 合并所有结果，生成最终表格
final_table <- wide_data %>%
  left_join(t_test_res, by = "Index") %>%
  select(
    检测指标 = Index,
    对照组 = mean_sd_Control,
    处理组 = mean_sd_Treatment,
    Fold_Change = fold_change,
    显著性 = sig_mark
  )

# 查看最终表格
print(final_table)

关键细节说明 #

• 报错修复：用pivot_wider自动生成mean_val_Control这类标准化列名，彻底避免手动命名错误
• Fold Change：严格遵循log2(处理组均值/对照组均值)的计算逻辑
• 显著性标记：基于t检验p值自动判断，无需手动标注

输出样例 #

最终表格样式如下：

内容的提问来源于stack exchange，提问作者Learner