R 分析和绘制两个不同长度数据帧的通用解决方案？

你能帮帮我吗

我正在

R

中编写一个代码，以自动化多个网络的空模型分析。首先，代码将多个TXT

矩阵读入R。其次，它计算每个网络的拓扑度量。第三，它使用空模型将每个网络随机化N次。第四，它为原始矩阵的所有随机版本计算相同的拓扑度量

在第五步，也就是最后一步，想法是将观察到的分数与随机分数的分布进行比较。首先，通过简单计算观察得分之上或之下的随机得分数量，以估计P值。其次，将随机得分的分布绘制为密度，并添加一条垂直线以显示观察到的得分

以下是需要分析的
数据帧的示例：

networks <- paste("network", rep(1:3), sep = "")
randomizations <- seq(1:10)

observed.ex <- data.frame(network = networks,
                          observed = runif(3, min = 0, max = 1))

randomized.ex <- data.frame(network = sort(rep(networks, 10)),
                            randomization = rep(randomizations, 3),
                            randomized = rnorm(length(networks)*
                                                   length(randomizations),
                                               mean = 0.5, sd = 0.1))

有没有办法使最终分析更具一般性，这样无论一开始读了多少个网络，它都会进行相同的计算和绘图

多谢各位
 看起来这可以整齐地包装在一个迭代每个文件的
lappy
循环中。下面的内容对您有何帮助？您还可以传入文件名而不是文件数（当前为1:3），并在TXT矩阵中“读取”第一行

library（dplyr）#对于%>%，分组依据，并汇总
非常感谢！它工作得很好。我的代码从一开始就将TXT文件读入一个列表，然后再进行随机化，并为观察到的矩阵和随机矩阵计算所选的网络度量。现在我要将尽可能多的调用转换为tidyverse等效调用，这样它运行得更快。然后，我将在GitHub上提供我的代码，以帮助其他人。正如承诺的那样，这里有一个repo，让对相同分析感兴趣的人可以使用这些代码：
randomized.network1 <- subset(randomized.ex, network == "network1")
sum(randomized.network1$randomized >= observed.ex$observed[1]) /
    length(randomized.network1$randomized)
sum(randomized.network1$randomized <= observed.ex$observed[1]) /
    length(randomized.network1$randomized)

randomized.network2 <- subset(randomized.ex, network == "network2")
sum(randomized.network2$randomized >= observed.ex$observed[2]) /
    length(randomized.network2$randomized)
sum(randomized.network2$randomized <= observed.ex$observed[2]) /
    length(randomized.network2$randomized)

randomized.network3 <- subset(randomized.ex, network == "network3")
sum(randomized.network3$randomized >= observed.ex$observed[3]) /
    length(randomized.network3$randomized)
sum(randomized.network3$randomized <= observed.ex$observed[3]) /
    length(randomized.network3$randomized)

ggplot(randomized.ex, aes(randomized)) +
    geom_density() +
    facet_grid(network~.) +
    geom_vline(data=filter(randomized.ex, network == "network1"),
               aes(xintercept = observed.ex$observed[1]), colour = "red") + 
    geom_vline(data=filter(randomized.ex, network == "network2"),
               aes(xintercept = observed.ex$observed[2]), colour = "red") + 
    geom_vline(data=filter(randomized.ex, network == "network3"),
               aes(xintercept = observed.ex$observed[3]), colour = "red")