如何对dataframe内全部数据整体进行正态分布检验？

你可以将整个dataframe的所有数值拉平为一维向量后传入检验函数，以下是可直接运行的实现：

• 基础实现（无缺失值场景）
  使用unlist()函数直接将dataframe转换为单向量，自动合并所有列的所有行数据：

# 拉平数据框为一维向量，use.names参数设为FALSE可去掉默认生成的元素列名标识
all_sample <- unlist(data1, use.names = FALSE)
# 执行正态性检验
result <- shapiro.test(all_sample)
# 输出检验结果
print(result)

• 含缺失值场景实现
  如果数据中存在NA值，可先做缺失值剔除再检验：

all_sample_clean <- na.omit(unlist(data1, use.names = FALSE))
result <- shapiro.test(all_sample_clean)

注意：R原生shapiro.test仅支持样本量在3~5000区间的检验，如果合并后的总数据量超过5000会触发报错，该场景下建议改用适配大样本的正态性检验方法，比如Kolmogorov-Smirnov检验。

内容的提问来源于stack exchange，提问作者upflow