在R中移除两组样本量不足2的数据框列的方法

要解决这个问题，核心是先检查每列在0组和1组中的有效样本量（非NA值的数量），只保留两组样本量都≥2的列。以下是具体实现方法：

方法一：Base R 实现 #

# 计算每列在两组中的有效样本量
sample_counts <- t(sapply(df[-1], function(col) {
  tapply(col, df$group, function(x) sum(!is.na(x)))
}))

# 筛选出两组样本量都≥2的列名
valid_columns <- rownames(sample_counts)[apply(sample_counts, 1, function(x) all(x >= 2))]

# 生成过滤后的数据集
df_filtered <- df[, c("group", valid_columns)]

方法二：dplyr 实现（更简洁） #

如果你习惯用tidyverse工具链，可以用以下代码：

library(dplyr)

df_filtered <- df %>%
  select(
    group,
    # 对每列检查两组样本量是否都≥2
    where(function(col) {
      group_sizes <- tapply(col, df$group, function(x) sum(!is.na(x)))
      all(group_sizes >= 2)
    })
  )

验证结果 #

运行上述代码后，df_filtered会自动移除pear和cherry列：

• pear列在0组的有效样本量为0，不满足≥2的要求；
• cherry列在1组的有效样本量仅为1，同样不满足要求。

剩下的apple、banana、kiwi列都符合两组样本量≥2的条件，可以安全执行wilcox.test。

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