在R中对列表内子列表执行Kruskal-Wallis检验遇错求助

首先，先修正你数据定义里的语法问题——R里不能直接用空格分隔数值，得用c()包裹，而且每个子列表是单列数据框，所以正确的数据定义应该是这样：

data_list <- list(
  tumor = data.frame(val = c(0.004255040, 0.002703172, 0.007478089, 0.003554968, 0.003803952, 0.005225325, 0.004816366, 0.005674340, 0.003474605, 0.004784456)),
  t = data.frame(val = c(0.004326186, 0.008126497, 0.009110830, 0.004030094, 0.005784066, 0.006752136, 0.009840556)),
  b = data.frame(val = c(0.004872971, 0.009066809, 0.005964638, 0.003622466, 0.011660714)),
  caf = data.frame(val = c(0.003618611, 0.007463386, 0.007463134, 0.005453387, 0.010409640, 0.012020965))
)

接下来说说你报错的原因：kruskal.test()没办法直接处理单列数据框组成的列表，它需要的是数值向量+分组信息，或者长格式的数据框（用公式调用）。下面给你两种简单可行的解决方法：

方法1：转换为长格式数据框（推荐） #

这种方法更符合R的数据分析习惯，也方便后续可视化或其他分析：

# 先把每个单列数据框提取成向量
data_vecs <- lapply(data_list, function(x) x[, 1])
# 用stack函数把数据转成长格式，自动生成分组列
long_data <- stack(data_vecs)
# 执行Kruskal-Wallis检验
kruskal.test(values ~ ind, data = long_data)

这里stack()会把所有数值放到values列，每个组的名称放到ind列，公式values ~ ind清晰告诉函数：用ind作为分组变量，检验values在各组间的差异。

方法2：直接传入向量+分组因子 #

如果你不想转换数据框，也可以手动构造数值向量和对应的分组因子：

# 把所有数据框的数值合并成一个大向量
all_values <- unlist(lapply(data_list, function(x) x[, 1]))
# 根据每个数据框的行数，生成对应的分组标签
all_groups <- rep(names(data_list), sapply(data_list, nrow))
# 执行检验
kruskal.test(all_values, groups = all_groups)

这里rep(names(data_list), sapply(data_list, nrow))会按每个组的行数重复组名，保证每个数值都对应正确的分组。

两种方法都会得到正确的Kruskal-Wallis检验结果，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Keity