R语言：替代遍历函数的嵌套循环及输出保存实现求助

问题背景 #

当前通过嵌套循环遍历所有因变量（DV）和自变量（IV）组合，运行加权卡方检验，希望用更简洁的方式替代嵌套循环，同时保留并整理输出结果。

解决方案 #

借助tidyverse工具包的函数式编程能力，结合重构后的检验函数，实现无循环的批量处理，同时将结果整理成结构化数据框便于后续使用。

完整可运行代码 #

# 加载依赖包
library(tidyverse)

# 生成模拟数据（设置随机种子保证结果可复现）
set.seed(123)
df = data.frame(y1 = sample(x=0L:1L, size=120, replace=TRUE),
                y2 = sample(x=0L:1L, size=120, replace=TRUE),
                x1 = sample(x=1L:3L, size=120, replace=TRUE),
                x2 = sample(x=1L:3L, size=120, replace=TRUE),
                x3 = sample(x=1L:3L, size=120, replace=TRUE),
                wgt = sample(runif(120, min=.25, max=.70), replace=TRUE))

# 重构后的卡方检验函数：接受数据、因变量名、自变量名字符串
chi2_test <- function(data, dv, iv) { 
  # 构建加权交叉表公式
  form <- as.formula(paste0("wgt ~ ", dv, " + ", iv))
  # 生成加权交叉表
  cross_table <- xtabs(form, data = data)
  # 运行卡方检验
  chi2_result <- chisq.test(cross_table, correct = TRUE)
  
  # 返回包含变量名、交叉表、检验结果的列表
  return(list(
    dv = dv,
    iv = iv,
    crosstabs = cross_table,
    chi2_test = chi2_result
  ))
}

# 定义因变量和自变量列表
dvars = names(df)[1:2]
ivars = names(df)[3:5]

# 生成所有DV-IV组合
combos = tidyr::crossing(dv = dvars, iv = ivars)

# 批量运行检验，获取所有结果
results <- combos %>%
  pmap(function(dv, iv) chi2_test(data = df, dv = dv, iv = iv))

# 将结果整理成结构化数据框（提取关键统计量）
results_df <- results %>%
  map_dfr(function(res) {
    tibble(
      dv = res$dv,
      iv = res$iv,
      chi2_stat = round(as.numeric(res$chi2_test$statistic), 3),
      df = as.numeric(res$chi2_test$parameter),
      p_value = round(res$chi2_test$p.value, 4),
      crosstab = list(res$crosstabs),  # 交叉表以列表形式存储
      test_details = list(res$chi2_test)  # 完整检验结果存储为列表列
    )
  })

# 查看整理后的结果
print(results_df)

# 示例：提取第一个组合的交叉表
results_df$crosstab[[1]]

# 示例：提取第一个组合的完整检验结果
results_df$test_details[[1]]

关键改进点 #

1. 函数重构：修改后的chi2_test不再依赖全局变量，明确接受data、dv、iv参数，代码更健壮、可复用。
2. 无循环批量处理：用tidyr::crossing生成所有变量组合，再通过purrr::pmap遍历每个组合，替代嵌套循环，代码更简洁易读。
3. 结果结构化：将检验结果整理成数据框，同时保留关键统计量（卡方值、自由度、p值）和完整检验对象，方便后续分析、导出或可视化。

替代实现方式（rowwise语法） #

如果更习惯dplyr的管道语法，也可以用rowwise实现：

results_df <- combos %>%
  rowwise() %>%
  mutate(test_output = list(chi2_test(df, dv, iv))) %>%
  unnest_wider(test_output) %>%
  mutate(
    chi2_stat = round(as.numeric(chi2_test$statistic), 3),
    df = as.numeric(chi2_test$parameter),
    p_value = round(chi2_test$p.value, 4)
  ) %>%
  select(dv, iv, chi2_stat, df, p_value, crosstabs, chi2_test)

内容的提问来源于stack exchange，提问作者GSA