R中创建矩阵时能否使用算术运算及组对比矩阵构建方法

你的代码出现报错是括号位置书写错误导致的：你将矩阵填充数据的第四个元素sum(df$Noncases)-df$Noncases[1]写在了c()的外部，导致传入matrix()的data参数只有3个值，同时这个被错放的减法运算结果被识别为nrow参数的取值，最终生成了329行的异常矩阵，触发长度不匹配的警告。

R的矩阵构建过程完全支持直接嵌套求和、减法等算术运算，只要保证传入data参数的元素数量和nrow*ncol的结果一致即可。

单个分组矩阵构建示例 #

假设你的数据框df列名为group、case、noncase，对应分组名、病例数、非病例数，以GroupA为例的正确代码如下：

# 提前计算全局总病例、总非病例，避免重复计算
total_case <- sum(df$case)
total_noncase <- sum(df$noncase)

# 取第1行的GroupA构建2×2矩阵
target_idx <- 1
groupA_mat <- matrix(
  data = c(
    df$case[target_idx], df$noncase[target_idx],
    total_case - df$case[target_idx], total_noncase - df$noncase[target_idx]
  ),
  nrow = 2,
  ncol = 2,
  dimnames = list(
    疾病分类 = c("病例", "非病例"),
    分组 = c(df$group[target_idx], paste0("非", df$group[target_idx]))
  )
) |> as.table()

多分组批量生成方案 #

如果分组数量较多，可以用lapply批量生成所有分组的对照矩阵，无需手动逐个计算：

total_case <- sum(df$case)
total_noncase <- sum(df$noncase)

# 批量生成所有分组的对照矩阵，存储为列表
all_group_mat <- lapply(1:nrow(df), function(i){
  mat <- matrix(
    data = c(
      df$case[i], df$noncase[i],
      total_case - df$case[i], total_noncase - df$noncase[i]
    ),
    nrow = 2,
    dimnames = list(
      疾病分类 = c("病例", "非病例"),
      分组 = c(df$group[i], paste0("非", df$group[i]))
    )
  )
  return(as.table(mat))
})

# 给列表按分组名命名，方便后续调用
names(all_group_mat) <- df$group

# 调用示例：提取GroupB的矩阵
all_group_mat$GroupB
# 调用示例：对GroupC做Fisher精确检验
fisher.test(all_group_mat$GroupC)

如果需要自动根据样本量选择卡方检验或Fisher精确检验，可以加简单的判断逻辑：当矩阵中期望频数小于5的单元格占比超过20%，或者有期望频数小于1时，自动用Fisher精确检验，否则用卡方检验。

内容的提问来源于stack exchange，提问作者gbg