循环遍历R语言DataFrame列执行卡方检验遇阻求助

先理清你的代码问题 #

• wdbc[i]返回的是数据框，而chisq.test()需要输入向量，应该用wdbc[[i]]或者wdbc[,i, drop=TRUE]来提取向量
• wdbc$i是错误写法，$符号后的名称是固定字面量，不会解析变量i，如果用列名循环，得用wdbc[[col_name]]
• 你的循环没保存/打印结果，跑完检验后看不到输出，等于白跑
• 卡方检验要求两个变量都是分类类型（因子/字符），如果你的特征列是数值型，直接跑会报错，得先把数值列分箱转成因子

正确代码示例 #

情况1：所有特征列已经是分类变量 #

# 先初始化一个列表保存结果
chisq_results <- list()

# 遍历所有列（排除diagnosis列本身，避免做自身检验）
for(i in setdiff(1:ncol(wdbc), which(colnames(wdbc) == "diagnosis"))){
  # 提取当前列的向量
  current_feature <- wdbc[[i]]
  # 执行卡方检验
  test_result <- chisq.test(wdbc$diagnosis, current_feature)
  # 把结果存入列表，用列名当索引
  chisq_results[[colnames(wdbc)[i]]] <- test_result
}

# 查看单特征检验结果
chisq_results$feature_name

# 循环打印所有结果
for(name in names(chisq_results)){
  cat("特征", name, "的卡方检验结果：\n")
  print(chisq_results[[name]])
  cat("\n")
}

情况2：特征列是数值型，需要先分箱转分类 #

如果wdbc的特征是数值（比如乳腺癌数据集里的肿瘤特征），得先把数值列分箱成因子，示例用4分位数分箱：

chisq_results <- list()
target_col <- wdbc$diagnosis

# 遍历除diagnosis外的所有列
for(col_name in setdiff(colnames(wdbc), "diagnosis")){
  # 提取数值列并分箱
  num_col <- wdbc[[col_name]]
  bin_col <- cut(num_col, breaks = quantile(num_col, probs = 0:4/4), include.lowest = TRUE)
  # 执行卡方检验
  test_result <- chisq.test(target_col, bin_col)
  chisq_results[[col_name]] <- test_result
}

# 查看所有结果
print(chisq_results)

额外优化 #

• 如果遇到「期望频数小于5」的警告，可以合并分箱组，或者用fisher.test()替代（适合小样本）
• 用lapply可以替代循环，更简洁：

# lapply处理分类特征列
chisq_results <- lapply(setdiff(colnames(wdbc), "diagnosis"), function(col){
  chisq.test(wdbc$diagnosis, wdbc[[col]])
})
names(chisq_results) <- setdiff(colnames(wdbc), "diagnosis")

内容的提问来源于stack exchange，提问作者Ignacio de Achával