如何简化多数据框的t.test()批量处理代码？

完全可以用list()和lapply()来大幅简化重复操作，具体步骤如下：

• 打包数据框为列表
  先把分散的data1到data8整合进一个列表，还可以给列表元素命名，方便后续识别对应结果：

  data_list <- list(data1, data2, data3, data4, data5, data6, data7, data8)
  names(data_list) <- paste0("data", 1:8)
  

• 批量执行t检验
  用lapply()遍历列表中的每个数据框，自动完成t.test(A ~ B)操作：

  t_results <- lapply(data_list, function(df) t.test(A ~ B, data = df))
  

• 整理结果为表格
  可以通过基础R或者tidyverse工具，从每个检验结果中提取关键信息（如p值、均值差、置信区间）并整合成结构化表格：

  # 基础R实现
  result_table <- do.call(rbind, lapply(t_results, function(res) {
    data.frame(
      数据集 = names(t_results)[match(res, t_results)],
      p值 = res$p.value,
      均值差 = res$estimate[1] - res$estimate[2],
      置信区间下限 = res$conf.int[1],
      置信区间上限 = res$conf.int[2],
      stringsAsFactors = FALSE
    )
  }))
  
  # tidyverse更简洁的实现
  library(tidyverse)
  result_table <- t_results %>%
    map_dfr(broom::tidy, .id = "数据集") %>%
    select(数据集, p.value, estimate1, estimate2, conf.low, conf.high) %>%
    mutate(均值差 = estimate1 - estimate2)
  

这种方式既避免了重复写8次相同代码，还能降低手动输入出错的概率。

内容的提问来源于stack exchange，提问作者user20402615