Arrays 如何对多行数据执行一个函数，这些数据是由R中的列分解的？

我在一个文件中有一个表，其中有许多行，我使用

data <-read.table("path/to/data.txt",header=TRUE, sep="\t",row.names=1)
            A1    A2    A3    B1    B2    B3
    Row1    1      3    2     3     2     6    
    Row2    3      2    1     3     6     7
    ...

但是我不确定如何从数据框中为每一行指定A和B，是否有一种方法可以同时为整个数据表指定这一切？我必须将数据读入一个帧，还是可以直接从最初的read.table数据开始工作

试试这个：

set.seed(001) # Generating some data
DF <- data.frame(A1=sample(1:9, 10, T),
                 A2=sample(1:9, 10, T),
                 A3=sample(1:9, 10, T),
                 B1=sample(1:9, 10, T),
                 B2=sample(1:9, 10, T),
                 B3=sample(1:9, 10, T))


sampA <- DF[,grep('A', names(DF))]  # Sample with columns A
sampB <- DF[,grep('B', names(DF))]  # Sample with columns B


lapply(1:nrow(DF), function(i){
  wilcox.test(as.numeric(sampA[i,]), as.numeric(sampB[i,]), exact=FALSE )
})  # Performing the test

---

我只显示了前3个结果，完整的列表长度是10，因为

DF

有10行。

到目前为止您尝试了什么？“比较A样本和B样本”是什么意思？您期望的结果是什么？具体来说，我想在每一行上执行wilcoxon.test函数，但我不确定如何指定条目，语法是

wilcox.test（sampA，sampB）

，我想在表格的每一行上执行。对于第1行，sampA将是第一行（1,3,2）中A1、A2、A3下的三个条目sampB将是第一行（3,2,6）中B1、B2、B3下的三个条目，但我希望对文件中的每一行都这样做。我是R的新手，我到处都找过了，但我无法找到如何指定特定的列和行，我知道如何调用我可以使用的第一行

data[1，]

但我找不到只调用前3列或最后3列的语法，例如，我还尝试使用factor、

factor（c（1,1,1,2,2））

但我一直在思考如何指定1和2的hanks@Jilber-在您的示例中，每个htest输出似乎将自己保存到一个不同的条目，即[[1]]、[[2]]和[[3]]。我想将输出保存到一个文本文件中，但不知道该怎么做，因为我不能使用write.table来实现这一点。是否可以从htest结果中将W和p值变灰，并将其粘贴到可以保存到文本文件的框架中？您好-我刚刚计算出来并使用了

data.frame（unlist（output））

。再次感谢@用户1637359，很高兴有用。你也可以投票决定答案。

function(A,B)

set.seed(001) # Generating some data
DF <- data.frame(A1=sample(1:9, 10, T),
                 A2=sample(1:9, 10, T),
                 A3=sample(1:9, 10, T),
                 B1=sample(1:9, 10, T),
                 B2=sample(1:9, 10, T),
                 B3=sample(1:9, 10, T))


sampA <- DF[,grep('A', names(DF))]  # Sample with columns A
sampB <- DF[,grep('B', names(DF))]  # Sample with columns B


lapply(1:nrow(DF), function(i){
  wilcox.test(as.numeric(sampA[i,]), as.numeric(sampB[i,]), exact=FALSE )
})  # Performing the test

[[1]]

    Wilcoxon rank sum test with continuity correction

data:  as.numeric(sampA[i, ]) and as.numeric(sampB[i, ]) 
W = 3, p-value = 0.6579
alternative hypothesis: true location shift is not equal to 0 


[[2]]

    Wilcoxon rank sum test with continuity correction

data:  as.numeric(sampA[i, ]) and as.numeric(sampB[i, ]) 
W = 0, p-value = 0.0722
alternative hypothesis: true location shift is not equal to 0 


[[3]]

    Wilcoxon rank sum test with continuity correction

data:  as.numeric(sampA[i, ]) and as.numeric(sampB[i, ]) 
W = 6, p-value = 0.6579
alternative hypothesis: true location shift is not equal to 0