如何按组执行Wilcoxon检验并计算置信区间，用ggplot可视化？

问题描述 #

想按组执行wilcoxon.test并计算置信区间，之后用ggplot绘制伪中位数及其对应的置信区间，但编写的代码报错，不清楚如何保存结果供ggplot使用。

原始数据代码 #

zero <- sample(0:0, 50, replace = TRUE)
small <- sample(1:5, 20, replace = TRUE)
medium <- sample(5:25, 15, replace = TRUE)
high <- sample(150:300, 5, replace = TRUE)

f <- function(x){
  return(data.frame(ID=deparse(substitute(x)), value=x))
}

all <- bind_rows(f(zero), f(small), f(medium), f(high))
all <- as.data.frame(all[,-1])
names(all)[1] <- "value"

all$group <- c("a", "b", "c")

尝试代码及错误 #

x <- ddply(all, .(group), function(x) {wilcox.test(all$value, conf.int=TRUE, conf.level=0.95)})

Error in list_to_dataframe(res, attr(.data, "split_labels"), .id, id_as_factor) :
Results must be all atomic, or all data frames
In addition: There were 12 warnings (use warnings() to see them)

解决方案 #

1. 修正数据分组问题

原始代码中all共有90行数据（50+20+15+5），但all$group仅赋值3个元素，会自动循环填充，导致分组逻辑错误。先修正分组：

library(dplyr)
library(ggplot2)

# 修正分组，对应四个数据组
all$group <- rep(c("a", "b", "c", "d"), times = c(50, 20, 15, 5))

2. 按组执行Wilcoxon检验并提取结果

使用dplyr按分组执行检验，提取伪中位数、置信区间上下限并整理成ggplot可用的数据框：

# 按组计算Wilcoxon检验结果
wilcox_results <- all %>%
  group_by(group) %>%
  summarize(
    # 执行一次检验并存储结果
    test_out = list(wilcox.test(value, conf.int = TRUE, conf.level = 0.95)),
    # 提取需要的统计量
    pseudo_median = test_out[[1]]$estimate,
    ci_low = test_out[[1]]$conf.int[1],
    ci_high = test_out[[1]]$conf.int[2]
  ) %>%
  # 移除临时存储的检验结果列表
  select(-test_out)

3. 用ggplot绘制结果

基于整理好的结果数据框，绘制伪中位数及置信区间：

ggplot(wilcox_results, aes(x = group, y = pseudo_median)) +
  # 绘制伪中位数点
  geom_point(size = 3, color = "#2c3e50") +
  # 绘制置信区间误差棒
  geom_errorbar(aes(ymin = ci_low, ymax = ci_high), width = 0.2, color = "#2c3e50") +
  # 添加标题和坐标轴标签
  labs(
    title = "各组伪中位数及95%置信区间",
    x = "分组",
    y = "伪中位数"
  ) +
  # 使用简洁主题
  theme_minimal()

错误原因说明

• 原始代码中wilcox.test(all$value)错误使用了全局数据集的value列，而非分组后的x$value，导致检验逻辑错误。
• ddply要求分组函数返回原子向量或数据框，但wilcox.test直接返回的是列表对象，因此需要提取列表中的具体统计量并整理成数据框格式。

内容的提问来源于stack exchange，提问作者Nate