如何批量对多列数据执行Mann-Whitney U检验（wilcox.test）

问题背景 #

现有数据集包含分组列Group（分为A、B两组）及43列元素数值数据，部分数据含NA值。手动拆分数据集为A、B子集后对单列执行Mann-Whitney U检验（wilcox.test）效率极低，直接传入数据框或多列时出现'x' must be numeric错误，需要批量执行检验的方法。

数据集示例：

部分数据的dput结构：

structure(list(Group = c("A", "A", "A", "A", 
"A", "B", "B", "B", "B", "B", "B"
), Al = c(NA, NA, NA, 18100, 18400, 32500, 33200, 31200, 
17400, 13900, 14400), As = c(NA, NA, NA, 16.9, 14.6, 8.83, 8.59, 
8.42, 13.4, 13.5, 13.7), B = c(NA, NA, NA, 18, 16, 14, 14, 11, 
53, 87, 58), Bi = c(NA, NA, NA, 0.13, 0.12, 0.57, 0.55, 0.52, 0.22, 
0.18, 0.21), Ca = c(NA, NA, NA, 5950, 5480, 6220, 6230, 5950, 
6850, 8170, 7000), Cd = c(NA, NA, NA, 0.2, 0.2, 0.2, 0.2, 0.18, 
0.31, 0.36, 0.46)), row.names = c(1L, 2L, 3L, 4L, 5L, 40L, 41L, 
42L, 43L, 44L, 45L), class = c("tbl_df", "tbl", "data.frame"))

手动单列检验代码：

# Data是上述数据框
Area_A <- subset(Data, Group %in% c("A"))
Area_B <- subset(Data, Group %in% c("B"))

WhitneyU_Al <- wilcox.test(Area_A$Al, Area_B$Al, na.rm = TRUE, paired = FALSE, exact = FALSE)

尝试的批量代码（报错）：

WhitneyU <- wilcox.test(Area_A, Area_B, na.rm = TRUE, paired = FALSE, exact = FALSE)
# OR
WhitneyU <- wilcox.test(Area_A[2:43], Area_B[2:43], na.rm = TRUE, paired = FALSE, exact = FALSE)

解决方案 #

第一步：数据预处理（解决'x' must be numeric错误） #

首先检查并转换所有待检验列的数值类型，将字符串型的"Na"替换为标准NA，并确保列是numeric类型：

# 用tidyverse实现
library(tidyverse)

Data_cleaned <- Data %>%
  mutate(across(-Group, ~ ifelse(.x == "Na", NA, .x) %>% as.numeric()))

# 用base R实现
Data_cleaned <- Data
for(col in setdiff(names(Data_cleaned), "Group")){
  Data_cleaned[[col]] <- as.numeric(ifelse(Data_cleaned[[col]] == "Na", NA, Data_cleaned[[col]]))
}

第二步：批量执行检验 #

方法1：Base R 实现（无需额外包）

使用lapply遍历所有数值列，对每列执行wilcox.test：

# 获取所有待检验的列名（排除Group列）
test_cols <- setdiff(names(Data_cleaned), "Group")

# 批量执行检验
wilcox_results <- lapply(test_cols, function(col){
  x <- Data_cleaned[Data_cleaned$Group == "A", col]
  y <- Data_cleaned[Data_cleaned$Group == "B", col]
  wilcox.test(x, y, na.rm = TRUE, paired = FALSE, exact = FALSE)
})

# 给结果命名，方便查看
names(wilcox_results) <- test_cols

# 查看指定列结果，比如Al
wilcox_results$Al

方法2：Tidyverse 实现（结果结构化）

使用purrr::map结合dplyr，将检验结果整理成数据框格式，便于后续分析：

library(purrr)
library(dplyr)

# 批量执行并整理结果为数据框
wilcox_df <- Data_cleaned %>%
  select(-Group) %>%
  map_dfr(function(col){
    x <- col[Data_cleaned$Group == "A"]
    y <- col[Data_cleaned$Group == "B"]
    res <- wilcox.test(x, y, na.rm = TRUE, paired = FALSE, exact = FALSE)
    tibble(
      statistic = res$statistic,
      p_value = res$p.value,
      method = res$method
    )
  }, .id = "element")

# 查看结构化结果
print(wilcox_df)

结果说明 #

• Base R方法返回列表格式的检验结果，可通过列名直接调取单条结果；
• Tidyverse方法返回结构化数据框，更适合批量查看、筛选或可视化统计结果。

内容的提问来源于stack exchange，提问作者SleeplessPHD