如何在数据框指定列上循环执行Kruskal-Wallis检验

嘿，这个批量执行Kruskal-Wallis检验的需求太实用了！我来给你一步步实现，还提供两种不同风格的方法，你可以选自己顺手的来：

首先先把你提供的模拟数据补全（代码里的runi...应该是runif的笔误），然后我们针对「部分数值型变量」做批量检验：

第一步：准备模拟数据 #

library(dplyr)
set.seed(123)
Data <- tbl_df(
  data.frame(
    muttype = as.factor(rep(c("missense", "frameshift", "nonsense"), each = 80)),
    ados.tsc = runif(240, 0, 10),
    ados.sa = runif(240, 0, 10),
    ados.rrb = runif(240, 0, 10),
    # 额外加几个变量模拟「部分变量」的场景
    age = rnorm(240, 10, 2),
    qol_score = runif(240, 0, 100)
  )
)

第二步：筛选需要检验的数值变量 #

你可以灵活选择要检验的变量：

• 如果是除分组变量外的所有数值变量：

  dv_vars <- Data %>% select(-muttype) %>% colnames()
  

• 如果是部分变量（比如所有以ados开头的变量），用正则表达式筛选更高效：

  dv_vars <- grep("^ados", colnames(Data), value = TRUE)
  

方法一：基础R循环（新手友好） #

用for循环逐个执行检验，结果存到列表里，方便单独查看或批量整理：

# 创建空列表存储结果
kw_results <- list()

# 循环遍历每个目标变量
for (var in dv_vars) {
  # 动态构造检验公式：因变量 ~ 分组变量
  test_formula <- as.formula(paste(var, "~ muttype"))
  # 执行Kruskal-Wallis检验
  kw_test <- kruskal.test(test_formula, data = Data)
  # 把结果存入列表，用变量名作为索引
  kw_results[[var]] <- kw_test
}

# 查看单个变量的检验结果，比如ados.tsc
kw_results[["ados.tsc"]]

# 用broom包把所有结果整理成直观的数据框
library(broom)
kw_summary <- lapply(kw_results, tidy) %>% bind_rows(.id = "dependent_variable")
print(kw_summary)

方法二：tidyverse函数式编程（更简洁） #

如果你熟悉purrr，可以用函数式编程一步完成批量检验+结果整理：

library(purrr)
library(broom)

# 批量处理+整理结果
kw_summary_purrr <- dv_vars %>%
  # 对每个变量执行KW检验
  map(~ kruskal.test(as.formula(paste(.x, "~ muttype")), data = Data)) %>%
  # 把检验结果转换成数据框，同时保留变量名
  map_dfr(tidy, .id = "dependent_variable") %>%
  # 修正自动生成的索引为实际变量名
  mutate(dependent_variable = dv_vars)

print(kw_summary_purrr)

结果快速解读 #

整理后的结果数据框包含了每个变量的检验统计量（statistic）、自由度（parameter）和p值（p.value）。比如要筛选p值显著（p<0.05）的变量：

kw_summary %>% filter(p.value < 0.05)

内容的提问来源于stack exchange，提问作者RmyjuloR