按组批量执行配对t检验的优化方法咨询（R语言）

不用重复写14次代码，通过数据重塑+分组批量计算就能一次性搞定所有配对变量的检验，具体步骤如下：

1. 将宽格式数据转换为长格式 #

用pivot_longer把所有pre/post配对变量拆分为「指标名」和「时间点」两列，保留group作为分组标识：

library(dplyr)
library(tidyr)
library(broom)

DLR_long <- DLR_df %>%
  pivot_longer(
    cols = -group,  # 排除group列，其余列均为pre/post配对变量
    names_to = c("indicator", "time"),  # 拆分后的两列名称
    names_pattern = "(.*)_(pre|post)"  # 按下划线拆分变量名，提取指标和时间点
  )

如果你的变量名不是下划线分隔（比如vo2pre/vo2post），可调整names_pattern为"(.*)(pre|post)"，确保能正确拆分即可。

2. 按组和指标批量执行配对t检验 #

基于长格式数据，按group和indicator分组，用group_modify结合tidy批量生成检验结果：

DLR_all_tt <- DLR_long %>%
  group_by(group, indicator) %>%
  group_modify(~ {
    # 提取当前组的pre和post测量值
    pre_vals <- .x$value[.x$time == "pre"]
    post_vals <- .x$value[.x$time == "post"]
    # 执行配对t检验并整理结果
    tidy(t.test(pre_vals, post_vals, 
                mu = 0, alt = "two.sided", 
                paired = TRUE, conf.level = 0.99))
  }) %>%
  ungroup()

结果说明 #

最终的DLR_all_tt会包含所有14个指标、3个分组的配对t检验结果，每行对应一个「指标+分组」的检验输出，列包含group、indicator、estimate、statistic、p.value等标准t检验统计项，方便后续分析或可视化。

内容的提问来源于stack exchange，提问作者amir.fathi