R语言递增选取固定数据点批量运行检验的问题跟进

问题背景 #

本问题为此前相关R编程问题的跟进咨询，现有存储为data.csv的数据集，结构示例如下：

需求为针对每个受试者，按测量时间递增的规则迭代运行自定义统计检验：从1个基线点+1个post点开始，逐步增加纳入的基线点数量直到覆盖全部4个基线点，再逐步增加post点数量，直到覆盖所有基线、post时间点的组合。
修改参考代码运行时出现异常：预期输出16组（单受试者）比较信息，实际仅输出16行空的versus字样，无具体时间点信息。

错误原因 #

你的代码共有3处核心问题：

• 列表键名不匹配：生成comparisons列表时，每个子列表存储时间点的键名是baseline和post，但循环打印时调用的是$time_baseline和$time_post，取到的全是空值，因此打印不出具体时间点
• 未按受试者分组拆分数据：拆分基线、post子集时没有按person字段分组，会把所有受试者的时间点混在一起取数，不符合“每个受试者单独比较”的需求
• 检验函数传入数据错误：循环内调用自定义检验函数时传入的是全量数据集，没有筛选当前比较轮次对应的子集，就算打印正常也无法得到正确检验结果

修正后代码 #

# 加载依赖，未安装请先运行install.packages("tidyverse")
library(tidyverse)

# 读入数据
df <- read.csv("C:/Users/data.csv")

# 存储所有检验结果的列表
all_results <- list()

# 遍历每个受试者单独处理
for(p in unique(df$person)){
  # 提取当前受试者数据，拆分基线、post子集并按时间排序
  df_p <- df[df$person == p,]
  df_baseline_p <- df_p[df_p$baseline_post == "baseline",] |> 
    arrange(time)
  df_post_p <- df_p[df_p$baseline_post == "post",] |> 
    arrange(time)
  
  n_bl <- nrow(df_baseline_p)
  n_post <- nrow(df_post_p)
  
  # 遍历所有基线、post点数量组合
  for(a_len in 1:n_bl){
    for(b_len in 1:n_post){
      # 提取当前轮次需要的分析子集
      bl_subset <- head(df_baseline_p, a_len)
      post_subset <- head(df_post_p, b_len)
      current_data <- rbind(bl_subset, post_subset)
      
      # 打印当前比较信息
      cat("===== 受试者", p, "=====\n")
      cat("基线时间点：", paste(bl_subset$time, collapse = ", "), "\n")
      cat("post时间点：", paste(post_subset$time, collapse = ", "), "\n")
      
      # 调用自定义检验函数，传入当前轮次的子集数据
      test_res <- poisson_frequencies(current_data)
      
      # 存储当前轮次的配置和结果
      all_results <- append(all_results, list(
        list(
          person = p,
          n_baseline = a_len,
          bl_times = bl_subset$time,
          n_post = b_len,
          post_times = post_subset$time,
          test_result = test_res
        )
      ))
      cat("检验完成\n\n")
    }
  }
}

代码说明 #

• 修正了键名不匹配的问题，所有变量存取使用一致的命名
• 增加按受试者单独处理的逻辑，不会出现不同人数据混杂的问题
• 每轮循环自动筛选对应时间点的子集数据，直接传入检验函数即可
• 打印信息明确标注受试者ID、纳入的时间点，方便核对组合是否符合预期
• 自动存储每轮检验的结果，后续可以直接从all_results中提取所有结果做汇总
• 若你的R版本低于4.1不支持原生管道符|>，可将代码中|>替换为%>%即可正常运行
• 如果不需要按受试者单独检验，去掉外层遍历person的循环，直接对全量数据取基线、post子集生成组合即可

内容的提问来源于stack exchange，提问作者learn101