如何循环遍历数据框列名执行ANOVA分析并提取P值？

首先给出数据框：

bbb <- as.data.frame(list(X1 = c(19, 12, 6, 17, 8, 14, 19, 22, 20, 21, 23, 19), 
                          X2 = c(12, 6, 11, 9, 9, 9, 19, 18, 21, 22, 21, 23), 
                          X3 = c(19, 12, 13, 13, 12, 5, 23, 19, 14, 19, 20, 20), 
                          X4 = c(12, 12, 12, 16, 9, 10, 21, 19, 19, 21, 16, 21), 
                          X5 = c(12, 10, 7, 6, 11, 10, 15, 20, 24, 19, 19, 24),
                          cluster = c(1,1,1,1,1,1,2,2,2,2,2,2)))

核心说明 #

直接传入列名字符串无法被aov()识别，因为它需要的是公式对象，所以需要先把列名转换成公式，再批量处理。

方法1：for循环实现 #

# 筛选需要分析的列（排除cluster分组列）
target_cols <- setdiff(colnames(bbb), "cluster")
# 初始化存储P值的向量
p_result <- numeric(length(target_cols))
names(p_result) <- target_cols

# 遍历每一列做ANOVA并提取P值
for (col in target_cols) {
  # 构造公式：列名 ~ cluster
  anova_formula <- as.formula(paste(col, "~ cluster"))
  # 提取P值
  p_result[col] <- summary(aov(anova_formula, data = bbb))[[1]]$`Pr(>F)`[1]
}

# 查看结果
p_result

方法2：用sapply简化代码 #

sapply可以替代循环，代码更简洁：

target_cols <- setdiff(colnames(bbb), "cluster")

p_result <- sapply(target_cols, function(col) {
  anova_formula <- as.formula(paste(col, "~ cluster"))
  summary(aov(anova_formula, data = bbb))[[1]]$`Pr(>F)`[1]
})

p_result

方法3：tidyverse风格（需加载broom包） #

如果习惯tidyverse语法，可以用map配合broom::tidy输出结构化结果：

library(tidyverse)
library(broom)

# 输出包含变量名和对应P值的数据框
anova_p_df <- bbb %>%
  select(-cluster) %>%
  map_dfr(function(col_data) {
    tibble(p_value = tidy(aov(col_data ~ bbb$cluster))$p.value[1])
  }, .id = "variable")

anova_p_df

内容的提问来源于stack exchange，提问作者Lara