R 运行费希尔&x2019；s对存在/不存在数据帧的所有列进行精确测试

我有一个数据框，其中包含每个样本中是否存在蛋白质序列，每一行是不同的样本，每一列是蛋白质序列，除了最后一列有每个样本的组分配

如下所示：

df <- data.frame(c(0,1,1,1,0,0), c(0,1,0,1,0,1), c(1,0,1,0,0,0), c(0, 0,0,1,1,1)
rownames(df) <- c(“AA”, “AB”, “AC”, “STATUS”)

---

df
lappy
迭代数据帧的列，因此您可以执行以下操作：

l1 <- lapply(df, fisher.test, y = df$STATUS)
l1

要仅获取p值，请再次使用
lappy
：

lapply(l1, function(x) x$p.value)

要以可用的形式获得它，您可以
取消列出它：

unlist(lapply(l1, function(x) x$p.value))

很明显，您想要舍弃STATUS值，因为这没有多大意义

“整洁”的方法是使用
purrr
和
broom
：

purrr::map(df, ~fisher.text(.x, df$STATUS)) %>% 
  purrr::map_dfr(broom::tidy, .id = "sequence")

但是我不知道哪种方法对那么多的列来说更快

此外，您可能还应该关注这么多测试的错误率。您是否计划通过某种方法（例如Bonferroni）调整p值？
我想将其用作特征选择方法，以识别在基于p值的分类中最有用的变量。我对统计数据不太熟悉，所以你会建议对此进行p值修正吗？如果你能用这种方法解释高（？）错误率的原因，我将不胜感激。@JackArnestad，这是一个问题，因为人们可能更熟悉你的领域。你可能可以将这些测试用作筛选而不是假设测试，但请确保你正为你的目标适当地使用它。您可以在上找到关于这个确切主题的良好讨论，如@Brian所建议的，请参阅关于输入。R具有
p.adjust
功能。
unlist(lapply(l1, function(x) x$p.value))

    AA     AB     AC STATUS 
   1.0    1.0    0.4    0.1

purrr::map(df, ~fisher.text(.x, df$STATUS)) %>% 
  purrr::map_dfr(broom::tidy, .id = "sequence")

  sequence  estimate p.value    conf.low  conf.high                             method alternative
1       AA 0.3219834     1.0 0.002852567  14.836129 Fisher's Exact Test for Count Data   two.sided
2       AB 3.1057504     1.0 0.067403027 350.561487 Fisher's Exact Test for Count Data   two.sided
3       AC 0.0000000     0.4 0.000000000   4.922984 Fisher's Exact Test for Count Data   two.sided
4   STATUS       Inf     0.1 0.647974586        Inf Fisher's Exact Test for Count Data   two.sided