如何在R中展开检验生成的dataframe？解决unnest报错问题

两个核心问题： #

1. shap函数逻辑错误：你在filter之后没有把结果赋值给变量，导致shapiro.test始终用的是原始全量的df$difference，根本没用到过滤后的子集。
2. unnest无法直接处理htest对象：shapiro.test返回的是<htest>类型的对象，不是tidy格式的列表/数据框，直接用unnest会触发类型不匹配的报错。

修正步骤： #

1. 修复shap函数的过滤逻辑

把过滤后的结果赋值给临时变量，再传入Shapiro检验：

shap <- function(t) {
  df_filtered <- df %>% filter(test == t)
  shapiro.test(df_filtered$difference)
}

2. 用broom::tidy()将htest对象转为整洁数据框

broom包的tidy()函数可以把假设检验的结果转换成标准的tidy数据框，完美适配tidyverse的嵌套/展开逻辑。

完整简化代码（一步到位）：

library(tidyverse)
library(broom) # 需加载broom包

df <- tibble(id = c(1,2,3,4,5,6,7,8),
             test = c(2,1,2,1,2,1,2,1),
             difference = c(1,3,4,7,3,9,3,7))

shap <- function(t) {
  df_filtered <- df %>% filter(test == t)
  shapiro.test(df_filtered$difference) %>% 
    tidy() # 直接转为整洁数据框
}

test <- 1:2

# 用map_dfr直接合并结果，无需enframe+unnest
res <- map_dfr(test, shap, .id = "test")
res

如果你坚持使用enframe+unnest流程：

可以先保留htest对象，再在unnest前转换格式：

res <- map(test, shap)
res2 <- enframe(res, name = "test", value = "htest")
res3 <- res2 %>% 
  mutate(htest = map(htest, tidy)) %>% 
  unnest(cols = htest)
res3

运行结果示例： #

# A tibble: 2 × 5
  test  statistic p.value method                  alternative
  <chr>     <dbl>   <dbl> <chr>                   <chr>      
1 1         0.972   0.936 Shapiro-Wilk normality test two.sided  
2 2         0.957   0.852 Shapiro-Wilk normality test two.sided  

内容的提问来源于stack exchange，提问作者sbac