如何在dplyr中分组/过滤计算p值及简化分组统计

嘿，我来帮你搞定这两个问题！

1. 一次完成所有type类别的统计 #

你之前每次手动过滤type == x再运行统计，确实有点麻烦。其实只要把type也加入分组变量，就能一次性生成所有1-10类别的统计结果，不用重复跑10次代码啦。

用dplyr的话，代码可以这么写：

library(dplyr)

# 一次性计算所有type（1-10）和testno组合的中位数、IQR和样本量
result_all <- data %>%
  filter(type %in% 1:10) %>%  # 只保留需要的type类别，可选
  group_by(type, testno) %>%
  summarise(
    Median = median(tdif, na.rm = TRUE),  # 加上na.rm避免缺失值报错
    IQR = IQR(tdif, na.rm = TRUE),
    n = n(),
    .groups = 'drop'  # 取消分组，输出整洁的表格；如果要保留分组可以用'keep'
  )

这样运行一次，就能得到所有type和testno组合的统计结果，效率高多了。

2. 对分组/过滤组进行p值检验 #

首先得明确你想检验什么：默认你是想在每个type类别下，比较不同testno之间的tdif是否存在显著差异，给你两种常用的检验方案：

方案1：多组整体差异检验（Kruskal-Wallis） #

因为你用了中位数和IQR，说明数据可能偏态，非参数检验更合适。Kruskal-Wallis检验可以判断同一type下，多个testno的tdif是否存在整体差异：

library(dplyr)
library(broom)  # 用来整理检验结果为表格格式

# 每个type下，检验不同testno的tdif是否有显著差异
kw_test_results <- data %>%
  filter(type %in% 1:10) %>%
  group_by(type) %>%
  do(tidy(kruskal.test(tdif ~ testno, data = .))) %>%
  ungroup()

结果表格里会包含每个type的卡方值、自由度和p值，帮你判断组间是否存在差异。

方案2：两两组间比较（Wilcoxon秩和检验） #

如果Kruskal-Wallis检验显示有差异，你可能还想知道具体哪两个testno之间有差异。这时候可以用两两Wilcoxon检验，记得加上多重比较的p值调整：

pairwise_test_results <- data %>%
  filter(type %in% 1:10) %>%
  group_by(type) %>%
  do(tidy(pairwise.wilcox.test(.$tdif, .$testno, p.adjust.method = "bonferroni"))) %>%
  ungroup()

这里p.adjust.method = "bonferroni"是常用的多重比较校正方法，你也可以换成"holm"或其他方法，根据需求选择。

如果你的数据是正态分布的，也可以用ANOVA和两两t检验，但考虑到你用了中位数和IQR，非参数检验会更稳妥。

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