如何在tidyverse中使用group_by批量执行R卡方检验

dplyr的group_by()生成的分组列会被默认保留，哪怕你用select()只指定了两个数值列，返回的结果里还是会带brand这个字符类型的分组列。chisq.test()接收输入时会把所有列都纳入计算，遇到字符类型的brand列就会抛出类型错误。
另外chisq.test()本身不支持对分组数据集直接批量运算，就算没有字符列，它也只会把整张表作为一个输入计算一次，不会按分组分别计算。

方法1：nest + map 组合（推荐） #

通过嵌套数据+映射函数的方式批量处理每个品牌的子数据集，代码如下：

library(tidyverse)

db %>%
  # 按品牌拆分生成独立子数据集
  nest(data = -brand) %>%
  mutate(
    # 对每个子数据集运行卡方检验
    chisq_res = map(data, ~ chisq.test(.x[, c("positive_opinion", "negative_opinion")])),
    # 提取检验p值
    p_value = map_dbl(chisq_res, ~ .x$p.value)
  ) %>%
  # 输出结果仅保留品牌和对应p值，可根据需要调整
  select(brand, p_value)

方法2：group_modify 分组运算 #

如果你更习惯分组语法，可以用group_modify直接对每个分组返回计算结果：

library(tidyverse)

db %>%
  group_by(brand) %>%
  group_modify(~ tibble(p_value = chisq.test(.x[, c("positive_opinion", "negative_opinion")])$p.value))

两种方法返回的结果一致，如果你需要查看完整的卡方检验输出（如卡方值、自由度等），保留检验结果列即可。如果你的数据存在期望频数小于5的情况，可以在chisq.test中添加correct = TRUE参数启用连续性修正，也可以替换为fisher.test运行 Fisher 精确检验。

内容的提问来源于stack exchange，提问作者Yunpeng Ding