使用R中group_by执行单样本Wilcoxon检验时p值全部相同的问题

我正在处理一个包含36000多个个体、1000多个物种的后代性别比大型数据集，希望检验每个物种的性别比中位数是否显著偏离0.5，采用单样本Wilcoxon检验。

示例数据集代码：

n<-100
dat<-data.frame(species=rep(LETTERS[1:5],n/5), SR=sample((1:100)/100,n,replace=TRUE))

运行以下代码后，所有物种的p值完全相同：

library(dplyr)
res <- dat %>% group_by(species) %>%
do(w=wilcox.test(dat$SR,mu=.5,alternative=("two.sided"))) %>%
summarize(species,wilcox=w$p.value)
res
#OUTPUT#
# # A tibble: 5 x 2
  species wilcox
  <chr>    <dbl>
1 A        0.465
2 B        0.465
3 C        0.465
4 D        0.465
5 E        0.465

核心问题是你在wilcox.test中调用了全局的dat$SR，而非当前分组的子数据集。group_by(species)只是对数据做分组标记，但do()里用dat$SR会直接读取整个原始数据集的SR列，导致每个分组都在对全量数据做Wilcoxon检验，最终得到完全相同的p值。

以下是几种可行的修正方案，推荐使用新版dplyr的语法：

方案1：修正do()的变量引用 #

将dat$SR改为.$SR（do()中用.指代当前分组的子数据），或者直接写SR：

library(dplyr)
res <- dat %>% 
  group_by(species) %>%
  do(w = wilcox.test(.$SR, mu = .5, alternative = "two.sided")) %>%
  summarize(species, wilcox_p = w$p.value)

方案2：使用group_modify（推荐，dplyr 1.0.0+） #

新版dplyr已逐步弃用do()，更推荐用group_modify处理分组后的自定义操作，逻辑更清晰：

library(dplyr)
res <- dat %>%
  group_by(species) %>%
  group_modify(~ {
    test_result <- wilcox.test(.$SR, mu = 0.5, alternative = "two.sided")
    tibble(wilcox_p = test_result$p.value)
  }) %>%
  ungroup()

方案3：嵌套数据框+purrr（保留更多检验信息） #

如果需要同时提取统计量、置信区间等更多结果，可以用嵌套数据框结合purrr的映射操作：

library(dplyr)
library(purrr)
library(tibble)

res <- dat %>%
  group_nest(species) %>%  # 按物种嵌套数据
  mutate(
    test = map(data, ~ wilcox.test(.$SR, mu = 0.5, alternative = "two.sided")),
    wilcox_p = map_dbl(test, "p.value"),  # 提取p值
    w_statistic = map_dbl(test, "statistic")  # 提取检验统计量
  ) %>%
  select(species, wilcox_p, w_statistic) %>%  # 保留需要的列
  ungroup()

内容的提问来源于stack exchange，提问作者Julia