如何向量化R语言fisher.test函数以批量分析多变量？

问题场景 #

需要批量对多个特征变量与结局变量执行Fisher精确检验，最终生成包含变量名和对应P值的结果表。但使用group_modify尝试批量处理时，触发错误：

no method 'count' applicable for an object of class c("integer", "numeric")

示例数据集 #

library(tidyverse)
library(broom)
set.seed(123) # 设置随机种子确保结果可复现
n <- 20
outcome <- rbinom(n, size = 1, prob = 0.7)
feature1 <- rbinom(n, size = 2, prob = 0.5) + 10
feature2 <- rbinom(n, size = 1, prob = 0.5) + 20
df <- tibble(outcome, feature1, feature2)

单变量检验参考代码（正确逻辑） #

df %>%
  select(outcome, feature1) %>%
  count(outcome, feature1) %>%
  pivot_wider(names_from = feature1, values_from = n) %>%
  fisher.test() %>%
  tidy()

错误原因 #

原批量代码存在两处逻辑问题：

1. group_modify(~count(outcome, value))未针对分组后的子数据框操作，直接调用全局变量导致类型不匹配，触发报错；
2. 分组后未在每个组内完成完整的检验流程，反而直接对整体数据框执行fisher.test，不符合批量处理的逻辑。

修正后的批量处理方案 #

方案一：基于group_modify的正确实现 #

df %>% 
  pivot_longer(c("feature1", "feature2"), names_to = "variable", values_to = "value") %>%
  group_by(variable) %>%
  group_modify(function(.x, .y) {
    # 对每个分组的子数据框执行完整检验流程
    .x %>%
      count(outcome, value) %>%
      pivot_wider(names_from = value, values_from = n, values_fill = 0) %>% # 补0避免列缺失导致检验失败
      select(-outcome) %>%
      as.matrix() %>% # fisher.test需要矩阵输入
      fisher.test() %>%
      tidy() %>%
      mutate(variable = .y$variable) # 绑定当前分组的变量名
  }) %>%
  select(variable, p.value) %>%
  ungroup()

方案二：基于purrr::map的实现 #

如果更习惯用迭代式写法，可采用map_dfr批量处理每个变量：

feature_names <- c("feature1", "feature2")

map_dfr(feature_names, function(var) {
  df %>%
    select(outcome, all_of(var)) %>%
    count(outcome, !!sym(var)) %>%
    pivot_wider(names_from = !!sym(var), values_from = n, values_fill = 0) %>%
    select(-outcome) %>%
    as.matrix() %>%
    fisher.test() %>%
    tidy() %>%
    mutate(variable = var)
}) %>%
  select(variable, p.value)

输出结果 #

执行上述代码后，会得到符合预期的结果表：

# A tibble: 2 × 2
  variable p.value
  <chr>      <dbl>
1 feature1   0.805
2 feature2   0.582

内容的提问来源于stack exchange，提问作者T. Walter