R循环执行pairwise.t.test保留列表元素名及结果可视化方法

一、绑定t检验结果与对应Item名称 #

之前的代码存在几个明显问题：

• split函数写法有误，未指定Item列的来源，直接运行会报找不到对象Item的错误
• 自定义保留名称的lapply传入的是1:length(Listdf)整数索引向量，本身无名称属性，无法匹配到Item名
• 用assign动态生成大量独立变量属于R编码反模式，后续批量处理、导出结果效率极低，完全没有必要

split生成的分组列表本身就会以分组值（即A/B/C三个Item名）作为列表元素的名称，直接遍历带名称的列表即可自动完成结果与Item的绑定，不需要额外写复杂的名称映射逻辑。

正确实现代码 #

# 构造示例数据
exampledf <- data.frame(Item = c("A", "B", "C", "A", "B", "C", "A", "B", "C"), 
                        Value=runif(9), 
                        Condition=c("Control","Control","Control", "Test", "Test", "Test",  "Placebo", "Placebo", "Placebo"))
# 修正split写法，按Item列拆分数据框
Listdf <- split(exampledf, exampledf$Item)

# 方法1：lapply实现，结果自动保留Item名称
p_list <- lapply(Listdf, function(sub_df) {
  pairwise.t.test(sub_df$Value, sub_df$Condition, p.adjust = "none")
})
# 运行names(p_list)可看到结果直接对应"A" "B" "C"三个Item

# 方法2：for循环实现，按名称索引赋值
p_list <- list()
for (item in names(Listdf)) {
  p_list[[item]] <- pairwise.t.test(
    Listdf[[item]]$Value, 
    Listdf[[item]]$Condition, 
    p.adjust = "none"
  )
}

二、整合p值实现类分面可视化 #

实现逻辑为先把列表中存储的检验结果批量提取为统一的结构化数据框，再用绘图或表格拼接函数实现类似ggplot分面的效果，每个分面对应一个Item的检验结果。

第一步：整合p值为统一数据框 #

library(dplyr)
library(tidyr)
library(ggplot2)
library(gridExtra)

p_result_df <- lapply(names(p_list), function(item_name) {
  # 提取当前Item的p值矩阵
  p_matrix <- p_list[[item_name]]$p.value
  # 转换为长格式，补全比较对信息
  p_matrix %>%
    as.data.frame() %>%
    mutate(Condition_1 = rownames(.)) %>%
    pivot_longer(cols = -Condition_1, names_to = "Condition_2", values_to = "p_value") %>%
    # 过滤掉矩阵上三角的重复比较对
    filter(!is.na(p_value)) %>%
    mutate(
      Item = item_name,
      # 添加显著性标记
      significance = case_when(
        p_value < 0.001 ~ "***",
        p_value < 0.01 ~ "**",
        p_value < 0.05 ~ "*",
        TRUE ~ "ns"
      )
    )
}) %>% bind_rows()

第二步：类分面可视化 #

两种常用实现方式：

• 热力图分面形式，和ggplot常规分面逻辑完全一致

ggplot(p_result_df, aes(x = Condition_1, y = Condition_2)) +
  geom_tile(fill = "white", color = "grey70") +
  geom_text(aes(label = paste0(round(p_value, 3), "\n", significance)), size = 3.5) +
  facet_wrap(~Item, nrow = 1) +
  labs(x = NULL, y = NULL, title = "各Item下不同Condition两两t检验p值") +
  theme_minimal() +
  theme(strip.text = element_text(face = "bold", size = 11))

• 纯表格分面形式，用表格对象拼接实现分面效果

# 逐个生成每个Item的p值表格对象
table_grobs <- lapply(split(p_result_df, p_result_df$Item), function(sub_df) {
  table_content <- sub_df %>%
    mutate(p_label = paste0(round(p_value, 3), significance)) %>%
    select(Condition_1, Condition_2, p_label) %>%
    pivot_wider(names_from = Condition_2, values_from = p_label) %>%
    rename("对比组1" = Condition_1)
  tableGrob(table_content, rows = NULL, theme = ttheme_minimal(base_size = 9))
})

# 拼接所有表格，实现分面效果
do.call(grid.arrange, c(table_grobs, nrow = 1, top = "各Item下两两t检验p值结果"))

内容的提问来源于stack exchange，提问作者karp1