如何在R中获取测试与图表所用的n值（观测数）

一、Friedman检验场景（配对区组设计） #

Friedman检验的核心是独立区组（即你的ID）数量，每个ID在不同Condition下对应一组观测值，获取n值有两种方式：

• 从检验结果直接提取：
  先把检验结果存到变量里，再通过自由度反推区组数量：

  friedman_res <- friedman.test(data$Behaviour_1_Mean, data$Condition, data$ID)
  # Friedman自由度 = 处理组数量 - 1，区组数量n = 自由度 + 1
  cat("Friedman检验的独立样本数（n）：", friedman_res$parameter[["df"]] + 1, "\n")
  

• 从原始数据统计：
  直接统计唯一ID的数量，或者按Condition分组看每组观测数：

  # 独立样本数（总ID数）
  length(unique(data$ID))
  # 每个Condition组的观测数
  table(data$Condition)
  # 用dplyr更直观的分组计数（需先加载dplyr包）
  library(dplyr)
  data %>% count(Condition)
  

二、Wilcoxon秩和检验场景（非配对独立样本） #

非配对Wilcoxon检验需要分别统计两组的样本量，方法如下：

• 从检验结果提取：
  保存检验结果后，直接读取内置的样本量参数：

  wilcox_res <- wilcox.test(data$Behaviour_2_Mean ~ data$LightsOn_or_Off, paired = FALSE, exact = FALSE)
  # 输出两组样本量
  cat("LightsOn组样本量：", wilcox_res$n[1], "\nLightsOff组样本量：", wilcox_res$n[2], "\n")
  

• 从原始数据统计：
  直接分组计数确认：

  table(data$LightsOn_or_Off)
  # 用dplyr分组计数
  data %>% count(LightsOn_or_Off)
  

三、图表所用的有效观测数 #

ggplot会自动忽略含缺失值的行，所以图表实际用的是非缺失值的观测数：

• 第一个图表（data数据框）：

  # 总有效观测数（去掉Behaviour_1_Mean的缺失值）
  sum(!is.na(data$Behaviour_1_Mean))
  # 按Condition分组的有效观测数
  data %>% filter(!is.na(Behaviour_1_Mean)) %>% count(Condition)
  

• 第二个箱线图（data2数据框）：

  # 总有效观测数
  sum(!is.na(data2$Behaviour_2_Mean))
  # 按分组变量的有效观测数
  data2 %>% filter(!is.na(Behaviour_2_Mean)) %>% count(LightsOn_or_Off)
  

内容的提问来源于stack exchange，提问作者N3st0r