在R语言中对两组矩阵执行双样本t检验，获取t/p值矩阵的高效方法

当然有高效的实现方法！咱们可以利用R的数组操作和向量化函数来避免繁琐的手动循环，同时保证代码简洁易维护。下面是具体的步骤和示例代码：

1. 构造示例数据（可替换为你的实际数据） #

先创建几个3×3的矩阵作为示例，你可以直接替换成自己的wt1、wt2、wt3、mut1、mut2、mut3：

set.seed(123) # 设置随机种子保证结果可复现
wt1 <- matrix(rnorm(9), nrow = 3, ncol = 3)
wt2 <- matrix(rnorm(9), nrow = 3, ncol = 3)
wt3 <- matrix(rnorm(9), nrow = 3, ncol = 3)
mut1 <- matrix(rnorm(9, mean = 1), nrow = 3, ncol = 3) # 让mut组均值和wt组有差异
mut2 <- matrix(rnorm(9, mean = 1), nrow = 3, ncol = 3)
mut3 <- matrix(rnorm(9, mean = 1), nrow = 3, ncol = 3)

2. 将多个矩阵合并为三维数组 #

把同组的三个矩阵合并成一个3×3×3的三维数组，这样可以方便地按[i,j,]提取对应位置的三个样本值：

# 合并wt组的三个矩阵
wt_array <- array(c(wt1, wt2, wt3), dim = c(3, 3, 3))
# 合并mut组的三个矩阵
mut_array <- array(c(mut1, mut2, mut3), dim = c(3, 3, 3))

3. 定义t检验计算函数 #

写一个小函数，输入对应位置的wt组和mut组样本值，返回t统计量和p值：

compute_t_p <- function(i, j) {
  # 提取第i行j列的三个wt样本值
  wt_vals <- wt_array[i, j, ]
  # 提取第i行j列的三个mut样本值
  mut_vals <- mut_array[i, j, ]
  # 执行双样本t检验，可添加var.equal=TRUE做方差齐性检验
  test_result <- t.test(wt_vals, mut_vals)
  # 返回t值和p值
  c(t.stat = test_result$statistic, p.value = test_result$p.value)
}

4. 批量计算所有位置的t值和p值 #

用outer结合Vectorize遍历所有行列组合，自动执行t检验并收集结果：

# 向量化函数，遍历所有i(1-3)和j(1-3)的组合
result <- outer(1:3, 1:3, Vectorize(compute_t_p))

# 提取t.stat矩阵和p.value矩阵
t_stat_matrix <- matrix(result["t.stat", , ], nrow = 3, byrow = TRUE)
p_value_matrix <- matrix(result["p.value", , ], nrow = 3, byrow = TRUE)

5. 查看结果 #

现在你可以直接查看生成的矩阵：

# 查看t统计量矩阵
print(t_stat_matrix)

# 查看p值矩阵
print(p_value_matrix)

额外说明 #

• 如果你的矩阵维度不是3×3，只需要把代码中的1:3替换成对应维度的行列索引范围即可（比如1:nrow(wt1)）。
• 如果需要执行方差齐性的t检验，只需在t.test函数中添加var.equal = TRUE参数。

内容的提问来源于stack exchange，提问作者lanselibai