寻求替代字符向量与as.formula实现多组t检验的优雅方案

你的现有代码可以正常完成任务，但确实有更简洁直观的替代方案，无需手动定义字符向量、也不用拼接公式字符串，同时还能输出结构化的统计结果：

原代码回顾 #

library(tidyverse)

dat <- tibble(
  result1 = rnorm(20),
  result2 = rnorm(20),
  group1 = sample(0:1, 20, replace = TRUE),
  group2 = sample(0:1, 20, replace = TRUE)
)

results <- c("result1", "result2")
groups <- c("group1", "group2")
b <- crossing(results, groups)

map2(b$results, b$groups, ~ t.test(as.formula(paste(.x, "~", .y)), data = dat))

方案1：长格式分组+嵌套检验（推荐） #

先将数据转换为长格式，自动识别所有result和group列，再通过交叉分组执行t检验，最后用broom包整理成整洁的统计表格：

library(tidyverse)
library(broom)

set.seed(123) # 设置随机种子保证结果可复现
dat <- tibble(
  result1 = rnorm(20),
  result2 = rnorm(20),
  group1 = sample(0:1, 20, replace = TRUE),
  group2 = sample(0:1, 20, replace = TRUE)
)

# 拆分并转换result和group列为长格式
result_long <- dat %>% 
  select(starts_with("result")) %>% 
  pivot_longer(everything(), names_to = "指标名", values_to = "指标值")

group_long <- dat %>% 
  select(starts_with("group")) %>% 
  pivot_longer(everything(), names_to = "分组名", values_to = "分组值")

# 交叉合并后分组执行t检验，输出结构化结果
crossing(result_long, group_long) %>% 
  group_by(指标名, 分组名) %>% 
  nest() %>% 
  mutate(
    t检验结果 = map(data, ~t.test(指标值 ~ 分组值, data = .x)),
    整理后结果 = map(t检验结果, tidy)
  ) %>% 
  unnest(整理后结果) %>% 
  select(指标名, 分组名, 均值差 = estimate, p值 = p.value, t统计量 = statistic, 置信区间下限 = conf.low, 置信区间上限 = conf.high)

这个方案的优势是：

• 自动识别所有result和group列，无需手动指定字符向量
• 直接输出结构化的统计结果，方便后续分析或可视化
• 代码逻辑清晰，符合tidyverse的数据流思维

方案2：用rlang构造公式（无需字符串拼接） #

如果不想转换长格式，可以用rlang包的符号注入功能，避免手动拼接公式字符串：

library(tidyverse)
library(rlang)
library(broom)

set.seed(123)
dat <- tibble(
  result1 = rnorm(20),
  result2 = rnorm(20),
  group1 = sample(0:1, 20, replace = TRUE),
  group2 = sample(0:1, 20, replace = TRUE)
)

# 自动获取result和group列名
指标列 <- dat %>% select(starts_with("result")) %>% colnames()
分组列 <- dat %>% select(starts_with("group")) %>% colnames()

# 交叉组合后注入公式执行t检验
crossing(指标列, 分组列) %>% 
  mutate(
    t检验结果 = pmap(list(指标列, 分组列), 
                     ~t.test(expr(!!sym(..1) ~ !!sym(..2)), data = dat)),
    整理后结果 = map(t检验结果, tidy)
  ) %>% 
  unnest(整理后结果)

这里用sym()将列名字符转为符号，再用!!（双感叹号）注入到公式中，替代了as.formula(paste(...))的写法，代码更简洁易读。

方案3：直接传入列向量（完全不用公式） #

t.test()支持直接传入分组变量和数值变量，我们可以直接提取列向量执行检验，完全跳过公式构造：

library(tidyverse)
library(broom)

set.seed(123)
dat <- tibble(
  result1 = rnorm(20),
  result2 = rnorm(20),
  group1 = sample(0:1, 20, replace = TRUE),
  group2 = sample(0:1, 20, replace = TRUE)
)

# 提取result和group列的数据集
指标数据集 <- dat %>% select(starts_with("result"))
分组数据集 <- dat %>% select(starts_with("group"))

# 生成所有指标-分组组合
组合列表 <- expand.grid(指标名 = colnames(指标数据集), 分组名 = colnames(分组数据集))

# 按组合执行t检验
组合列表 %>% 
  rowwise() %>% 
  mutate(
    t检验结果 = list(t.test(
      x = 指标数据集[[指标名]], 
      y = factor(分组数据集[[分组名]])
    )),
    整理后结果 = list(broom::tidy(t检验结果))
  ) %>% 
  unnest(整理后结果)

这个方式最直接，完全不需要处理公式，适合习惯直接操作向量的场景。

内容的提问来源于stack exchange，提问作者Sam