broom::tidy与purrr::map_dfr配合失效问题求助

别着急，我帮你拆解下可能的问题，再给你几个靠谱的解决方案：

1. 先补全并修正基础代码 #

首先，你的代码里可能漏掉了broom包的加载（它不属于tidyverse核心包，得单独加载），而且部分分组的样本量可能会触发精确检验的报错，我们先把代码补全修正：

library(tidyverse)
library(broom) # 必须单独加载这个包

# 转换iris为长格式
iris_long <- iris %>%
  pivot_longer(-Species, names_to = "measure", values_to = "value")

# 按测量指标分组，执行组间Wilcoxon秩和检验（加exact=FALSE避免报错）
iris_test_results <- iris_long %>%
  group_by(measure) %>%
  summarise(test = list(wilcox.test(value ~ Species, exact = FALSE)))

2. 两种正确的tidy+合并方式 #

方式一：mutate + unnest 分步处理 #

先给列表列里的每个检验结果做tidy整理，再展开合并成数据框：

tidy_wilcox_results <- iris_test_results %>%
  # 对每个检验对象执行tidy整理
  mutate(tidy_output = map(test, broom::tidy)) %>%
  # 展开列表列成常规列
  unnest(tidy_output) %>%
  # 移除不需要的原检验对象列表列
  select(-test)

方式二：group_modify 一步到位 #

如果你不想先生成中间的列表列，也可以直接用group_modify在分组后直接处理并输出tidy结果：

tidy_wilcox_results <- iris_long %>%
  group_by(measure) %>%
  group_modify(~ broom::tidy(wilcox.test(.$value ~ .$Species, exact = FALSE)))

3. 常见踩坑点排查 #

如果还是跑不通，你可以检查这几个地方：

• 有没有加载broom包：这是最容易漏掉的点，毕竟tidyverse不包含它
• 检验对象是否有效：比如某些分组的样本量太小，导致检验无法执行，可以提前过滤掉样本量不足的分组，或者加上exact=FALSE参数
• unnest语法问题：如果你用的是旧版tidyr，可能需要写成unnest(cols = c(tidy_output))而不是直接unnest(tidy_output)

内容的提问来源于stack exchange，提问作者Indrajeet Patil