如何在R中对列表内各数据框迭代执行pROC包的ROC曲线分析？

你的代码存在几个关键问题，导致无法正确运行：

• 循环中错误引用了list_data[[]]（固定取列表第一个元素），而非当前循环的患者数据；
• 用lapply(p, roc(...))是对数据框的每一列执行操作，完全偏离了用spike_conn预测Resected的需求；
• 列表赋值Results_list[p]的方式错误，不能用数据框作为索引。

以下是两种可行的修正方案：

方案一：修正for循环 #

library(pROC)

Results_list <- list()
# 按列表索引循环，同时获取患者ID和对应数据
for (i in seq_along(list_data)) {
  current_patient_data <- list_data[[i]]
  # 确保分类变量是因子型（pROC要求二分类响应变量为因子/逻辑值）
  current_patient_data$Resected <- as.factor(current_patient_data$Resected)
  # 生成ROC对象：指定响应变量和预测变量
  roc_obj <- roc(response = current_patient_data$Resected, 
                 predictor = current_patient_data$spike_conn)
  # 以患者ID为名称存储AUC值
  Results_list[[names(list_data)[i]]] <- roc_obj$auc
}

方案二：用lapply简化代码（更推荐） #

lapply可以直接遍历列表元素，避免索引错误：

library(pROC)

Results_list <- lapply(list_data, function(patient_df) {
  # 统一处理分类变量格式
  patient_df$Resected <- as.factor(patient_df$Resected)
  # 计算ROC并提取AUC
  roc(response = patient_df$Resected, predictor = patient_df$spike_conn)$auc
})

后续处理建议 #

• 检查Resected是否为二分类变量：如果存在多分类情况，需要先过滤或重新编码；
• 处理缺失值：如果spike_conn或Resected有缺失，可提前用na.omit(patient_df)清理，或在roc函数中设置na.rm = TRUE（默认已开启）；
• 将结果转为数据框方便查看：

auc_summary <- data.frame(Patient_ID = names(Results_list), 
                          AUC_Value = unlist(Results_list))

内容的提问来源于stack exchange，提问作者Yagharek_