R中fisher.test运行出现x取整警告的原因及代码修正方法

Fisher精确检验的核心输入是实际观测到的样本计数列联表，所有单元格的值必须是非负整数——毕竟样本计数不可能存在0.75个花卉样本这类非整数值。
你代码中直接将原始列联表所有数值除以4的操作，生成的new.obs.tab包含大量非整数（例如47/4=11.75、1/4=0.25等）。fisher.test()函数检测到输入非整数时，会自动对所有值做四舍五入取整再运行检验，你看到的警告就是在告知这个自动取整操作，末尾的Mean relative difference: 0.07317073是取整前后数值的平均相对偏差。
额外需要注意：直接对汇总好的列联表做等比例缩放本身不符合统计逻辑——25%随机抽样是对单个花卉样本的独立抽取过程，最终得到的计数是整数结果，绝不会是原始计数等比例缩小的非整数，自动取整后的表格也无法代表真实抽样的观测结果，计算出的p值不具备实际科研解释价值。

根据你的分析场景，有两种合规的修改方式：

• 从原始个体级数据出发完成抽样，生成真实计数表
  不要对已汇总的列联表做数值缩放，而是基于Iris原始的单条样本数据，按25%比例做随机无放回抽样，再基于抽到的样本统计生成全为整数的列联表，再传入检验函数，从根源上避免非整数输入。示例代码如下：

  data(iris)
  set.seed(123) # 固定随机种子保证结果可复现
  # 按25%比例无放回抽取样本
  sampled_idx <- sample(seq_len(nrow(iris)), size = round(nrow(iris)*0.25), replace = FALSE)
  sampled_data <- iris[sampled_idx, ]
  
  # 以下部分替换为你实际使用的small/medium/large分类规则，和原始制表逻辑保持一致即可
  # 示例分类逻辑（需和你生成obs.tab的规则对齐）
  sampled_data$size_class <- cut(sampled_data$Petal.Length, breaks = c(-Inf, 2.5, 5, Inf), labels = c("small", "medium", "large"))
  
  # 生成整数计数列联表
  new.obs.tab <- table(sampled_data$Species, sampled_data$size_class)
  dimnames(new.obs.tab) <- list(c("setosa","versicolor","virginica"), c("small","medium","large"))
  
  # 运行检验，无警告
  fisher.test(new.obs.tab, alternative = "less")$p.value
  

• 若仅为调试代码、必须基于现有汇总表运行，需显式完成整数转换
  如果你暂时拿不到原始个体数据，只是需要调试检验代码逻辑，可以显式将缩放后的数值转为整数，避免函数自动转换弹出警告。需要注意该方法会引入人为计数偏差，绝对不能用于正式科研结果输出。示例代码如下：

  obs.tab=matrix(c(47,11,1,3,36,32,0,3,17),nrow=3,
      dimnames=list(c("setosa","versicolor","virginica"),
                      c("small","medium","large")))
  # 显式做整数转换，告知函数你确认使用整数计数
  new.obs.tab <- round(obs.tab/4)
  # 运行检验无警告
  fisher.test(new.obs.tab,alternative ="less")$p.value
  

重要提示：正式科研分析中，列联表必须基于真实观测到的样本计数生成，任何对已有汇总表的缩放、取整操作都会破坏数据的真实性，导致检验结果失真。

内容的提问来源于stack exchange，提问作者Demo12