R语言实现不同类型列分别执行Wilcox检验与Fisher检验的问题

核心错误原因 #

• 列类型判断逻辑错误：未将当前检验的列ID与类型映射绑定，直接判断整个类型向量，触发长度警告且无法匹配对应检验方法
• 变量未定义报错：两个if分支仅会生成一个检验结果对象，但返回结果同时调用两个分支的对象test和test1，必然触发对象不存在错误
• 索引越界错误：示例combination中设置的列ID远大于测试数据的列数，运行直接报错
• 检验逻辑偏差：混淆了分组列取值与待检验特征列的逻辑，检验函数输入参数不符合要求

修改后完整实现 #

# 1. 原始列类型定义与映射构建
list.group <-list(list(id = 2, type = "num"), list(id = 3, type = "num"), 
                  list(id = 4, type = "cat"), list(id = 5, type = "cat"))
# 构建列ID到类型的快速查找映射
col_type_map <- setNames(
  sapply(list.group, `[[`, "type"),
  as.character(sapply(list.group, `[[`, "id"))
)
# 自定义待检验的列ID（替换为你实际需要检验的列）
test_cols <- c(2,3,4)
# 自定义要比较的GROUP分组取值
compare_groups <- c(1,2)

# 2. 重写检验函数
auto_test_fun <- function(df, compare_group, test_cols, col_type_map){
  # 筛选要比较的两组数据
  df_filter <- df[df$GROUP %in% compare_group, ]
  # 遍历每个待检验列生成结果
  do.call(rbind, lapply(test_cols, function(col_id) {
    # 查询当前列的类型
    col_type <- col_type_map[as.character(col_id)]
    # 按类型匹配检验方法
    if(col_type == "num"){
      # 数值列执行wilcox检验
      test_res <- wilcox.test(
        df_filter[[col_id]] ~ df_filter[["GROUP"]],
        exact = FALSE # 小样本场景关闭exact计算避免警告
      )
      # 数值列附加统计信息：两组中位数
      stat_desc <- paste0(
        "Group", compare_group[1], "中位数:", round(median(df_filter[df_filter$GROUP == compare_group[1], col_id]),2),
        "; Group", compare_group[2], "中位数:", round(median(df_filter[df_filter$GROUP == compare_group[2], col_id]),2)
      )
    } else if(col_type == "cat"){
      # 分类列先构建列联表再执行fisher检验
      cross_tab <- table(df_filter[[col_id]], df_filter[["GROUP"]])
      test_res <- fisher.test(cross_tab)
      # 分类列附加统计信息：各组频数+占比
      prop_tab <- round(prop.table(cross_tab, 2)*100, 1)
      stat_desc <- paste0(
        rownames(cross_tab), ": Group", compare_group[1], "(", cross_tab[,1], ",", prop_tab[,1], "%) ",
        "Group", compare_group[2], "(", cross_tab[,2], ",", prop_tab[,2], "%) ",
        collapse = ";"
      )
    }
    # 组装结果行
    data.frame(
      Test_info = paste0("列ID", col_id, "(", col_type,"): 分组", compare_group[1], "vs", compare_group[2]),
      p_value = round(test_res$p.value, 4),
      statistic = ifelse(col_type == "num", round(test_res$statistic,4), NA),
      stat_desc = stat_desc
    )
  }))
}

# 3. 测试数据
data <- structure(list(GROUP = c(1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L), 
    col1 = c(23L, 432L, 234L, 234L, 3123L, 657L, 8768L, 123L, 
    42323L), col2 = c(567L, 765L, 8678L, 46L, 35L, 24L, 76L, 
    789L, 45L), col3 = c(1L, 3L, 5L, 7L, 8L, 0L, 8L, 7L, 3L), 
    col4 = c("S", "S", "S", "S", "F", "F", "F", "F", "F")), class = "data.frame", row.names = c(NA, 
-9L))

# 4. 运行测试
result <- auto_test_fun(df = data, compare_group = compare_groups, test_cols = test_cols, col_type_map = col_type_map)
print(result)

运行说明 #

运行代码后会自动匹配每个待检验列的类型，执行对应检验方法，最终输出包含检验信息、p值、统计量、分组统计描述的结果表。

内容的提问来源于stack exchange，提问作者GOGA GOGA