如何用R的dplyr按列类型执行对应统计检验并提取P值？

问题背景 #

我有一个包含5列的数据框：第一列是分组变量（分为yes/no两组），其余4列是问卷回答，其中2个连续变量、2个分类变量。数据构造代码如下：

library(dplyr)
# 设置随机种子保证结果可重复
set.seed(123)

# 创建分组变量（yes/no）
col1 <- sample(c("yes", "no"), 20, replace = TRUE)

# 创建两个连续变量
col2 <- rnorm(20, mean = 10, sd = 2)
col3 <- rnorm(20, mean = 5, sd = 1)

# 创建两个分类变量
col4 <- sample(c("high", "low"), 20, replace = TRUE)
col5 <- sample(c("small", "big"), 20, replace = TRUE)

# 合并为数据框
df <- tibble(col1, col2, col3, col4, col5)

# 查看数据框
df

需要实现：通过dplyr管道批量处理其余4列，自动判断变量类型：

• 连续型变量：执行Mann-Whitney U检验（wilcox.test）
• 分类变量：先构建列联表，再执行卡方独立性检验（chisq.test）
  最终仅汇总各列的P值。

实现代码 #

结合dplyr的across函数和自定义逻辑，可以高效完成批量检验：

library(dplyr)
library(tidyr)

# 定义批量检验函数
batch_stat_tests <- function(data, group_col) {
  group_name <- enquo(group_col)
  
  data %>%
    summarise(across(-!!group_name, ~{
      var <- .x
      group <- data %>% pull(!!group_name)
      
      # 根据变量类型选择检验方法
      if (is.numeric(var)) {
        # 连续变量：Mann-Whitney U检验
        wilcox.test(var ~ group)$p.value
      } else {
        # 分类变量：卡方独立性检验
        cont_table <- table(group, var)
        # 可选：屏蔽单元格频数过小的警告
        suppressWarnings(chisq.test(cont_table))$p.value
      }
    })) %>%
    # 转换为长格式，更直观展示结果
    pivot_longer(cols = everything(), 
                 names_to = "变量名", 
                 values_to = "P值")
}

# 执行批量检验
result <- batch_stat_tests(df, col1)

# 查看汇总结果
print(result)

关键说明 #

• 批量遍历：用across(-!!group_name)指定对除分组列外的所有列执行操作，避免手动逐个处理。
• 类型判断：通过is.numeric()区分连续/分类变量，自动匹配对应检验逻辑。
• 结果整理：pivot_longer把宽格式的检验结果转为长格式，方便查看和后续分析。
• 警告处理：卡方检验若遇到单元格期望频数<5会触发警告，suppressWarnings()可按需屏蔽，也可删除该函数保留警告提示。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson