循环执行Chi square test检验基因型p值时遇报错求修正

首先，这个报错的原因很明确：当你执行chisq.test()时，传入的observed向量里存在**全0、至少一个元素非正（比如0或NA）**的情况，卡方检验无法对这类无效数据进行计算。结合你的代码来看，还有几个变量名和逻辑上的小问题，我帮你一步步修正：

1. 先梳理代码里的问题点 #

• 变量名混乱：你初始化的是aaxab.res，但循环里却用了abxaa.res来拼接，这会触发未定义变量的错误
• T.value是未定义的变量，你应该是想判断卡方检验返回的p值是否为NA
• 用c()循环累加结果效率很低，更推荐直接初始化一个长度匹配的数值向量
• 没有提前处理观测值无效的情况（比如全0）

2. 修正后的代码 #

# 初始化结果向量，长度和gt一致，避免循环累加的低效问题
aaxab.res <- numeric(length(gt))

for (i in 1:length(gt)) {
  observed <- c(aa.count[i], ab.count[i])
  
  # 先检查观测值是否有效：至少有一个正数，且没有NA
  if (all(observed >= 0) && sum(observed) > 0) {
    # 执行卡方检验，设置correct=TRUE（默认）处理小样本，同时捕获可能的NA
    chisq_result <- suppressWarnings(chisq.test(observed, p = c(0.5, 0.5)))
    p.value <- chisq_result$p.value
    # 如果p值是NA（比如期望频数太小），手动保留NA标记
    p.value <- ifelse(is.na(p.value), NA, p.value)
  } else {
    # 如果观测值无效，直接标记为NA
    p.value <- NA
  }
  
  # 将结果存入对应位置
  aaxab.res[i] <- p.value
}

3. 关键改进说明 #

• 有效性检查：在执行卡方检验前先判断observed是否合法，从根源避免触发报错
• suppressWarnings：当观测值很小（比如其中一个是1），卡方检验会抛出"Chi-squared approximation may be incorrect"的警告，用这个函数可以屏蔽无关警告（如果需要保留警告可以去掉）
• 结果存储：直接给向量的对应位置赋值，比循环用c()拼接高效得多，也避免了变量名错误
• NA处理：明确处理p值为NA的情况，让结果更清晰

额外建议 #

如果你想更简洁地实现这个功能，可以不用for循环，改用purrr包的map_dbl函数，代码会更简洁：

library(purrr)

aaxab.res <- map_dbl(1:length(gt), function(i) {
  observed <- c(aa.count[i], ab.count[i])
  if (all(observed >=0) && sum(observed) >0) {
    suppressWarnings(chisq.test(observed, p=c(0.5,0.5))$p.value)
  } else {
    NA_real_
  }
})

内容的提问来源于stack exchange，提问作者sailajah vishwanathan