R、 从t检验中提取每行的p值

我试图对每一行进行t检验，然后提取p值进行绘图。作为参考，我发现了这篇老帖子：

以下是我的片段：

> pVal143<-apply(mRNA143.data, 1, t.test)$p.value

使用原始数据集“c007”进行更新（我需要比较“C”值和H值中的p值）

---

一种解决方案是，您必须手动指定哪些列属于每个组以进行比较：

# example data
df = read.table(text = "
C1       C2      C3     C4       C5     C6     H1    H2 H3  H4  H5  H6
8.57345 8.45938 8.68941 8.35913 8.48177 8.44560 8.40986 8.59392 8.46562 8.07999 8.22759 8.41817
8.32595 8.19273 8.10708 8.48156 7.99014 8.24859 8.78216 8.59592 8.48299 8.52647 8.34797 8.38534
", header=T)

library(tidyverse)

df %>%
  rowwise() %>%
  mutate(pval = t.test(c(C1,C2,C3,C4,C5,C6),
                       c(H1,H2,H3,H4,H5,H6))$p.value) %>%
  ungroup()

# # A tibble: 2 x 13
#      C1    C2    C3    C4    C5    C6    H1    H2    H3    H4    H5    H6   pval
#   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>
# 1  8.57  8.46  8.69  8.36  8.48  8.45  8.41  8.59  8.47  8.08  8.23  8.42 0.161 
# 2  8.33  8.19  8.11  8.48  7.99  8.25  8.78  8.60  8.48  8.53  8.35  8.39 0.0110

#示例数据
df=读取。表格（文本=”
C1 C2 C3 C4 C5 C6 H1 H2 H3 H4 H5 H6
8.57345 8.45938 8.68941 8.35913 8.48177 8.44560 8.40986 8.59392 8.46562 8.07999 8.22759 8.41817
8.32595 8.19273 8.10708 8.48156 7.99014 8.24859 8.78216 8.59592 8.48299 8.52647 8.34797 8.38534
“，页眉=T）
图书馆（tidyverse）
df%>%
行（）
突变（pval=t.试验（c（C1，C2，C3，C4，C5，C6），
c（H1、H2、H3、H4、H5、H6））$p.value）%>%
解组（）
##tibble:2 x 13
#C1 C2 C3 C4 C5 C6 H1 H2 H3 H4 H5 H6 pval
#                
# 1  8.57  8.46  8.69  8.36  8.48  8.45  8.41  8.59  8.47  8.08  8.23  8.42 0.161 
# 2  8.33  8.19  8.11  8.48  7.99  8.25  8.78  8.60  8.48  8.53  8.35  8.39 0.0110

另一种解决方案是重塑数据，从每列的第一个字母创建两个组：

df %>%
  mutate(id = row_number()) %>%                 # add row id
  gather(key, value, -id) %>%                   # reshape dataset
  mutate(key = substr(key,1,1)) %>%             # create a group column from first letter (will be used for the t.test comparison)
  group_by(id) %>%                              # for each row
  summarise(pval = t.test(value ~ key)$p.value) # get p value 

# # A tibble: 2 x 2
#      id   pval
#   <int>  <dbl>
# 1     1 0.161 
# 2     2 0.0110

df%>%
mutate（id=row_number（））%>%#添加行id
聚集（键，值，-id）%>%#重塑数据集
mutate（key=substr（key，1,1））%>%#从第一个字母创建一个组列（将用于t检验比较）
每行按（id）%>%分组
总结（pval=t.test（value~key）$p.value）#获取p值
##tibble:2x2
#id pval
#     
# 1     1 0.161 
# 2     2 0.0110

请在您的问题中添加

mRNA143.数据的样本

，以使您的问题重现。最好使用

dput（mRNA143.data）

。您也问过类似的问题。每组只进行一次观察的t检验（我假设你在本例中会尝试这样做）可能不会很好（参见维基百科上的t检验，为什么理论上这是一个否定）。基本上，您要做的是

t.test（x=8.224342，y=8.520142）

。上面是mRNA143.data.的示例，两列，143行（我只包括5行）。不管您有多少行，因为您试图为每行获取一个p值，这是不可能的。t检验需要“理解”数据的分布，两组比较各得1分没有意义。比较一组行或比较两列才有意义。您提供的链接使用了

t.test（1:10，7:20）

，它将一组10个值（1:10）与一组14个值（7:20）进行比较。正如@RomanLuštrik所说，您需要更多的观察。提示：

t.test

可以用length（x）==length（y）==2.我能够执行你的代码-非常感谢：

>pvals.007%+行方式（）%>%+变异（pval=t.test（c（C1，C2，C3，C4，C5，C6），+c（H1，H2，H3，H4，H6））$p.value）%>%+ungroup（）>绘图（pvals.007）

。当我绘制它时，我期望每行的p值的散点图（比较C1-6和H1-6），但是我得到143个小垂直标记？我也无法创建柱状图，因为我遇到了一个错误：“x”必须是数字？

pvals.007

是一个数据帧，而不是（143）个p值的向量。请尝试使用

pvals.007$pval

，因为这是存储所有p值的列。非常感谢-我非常感谢！我会将您的回答标记为“已回答”“但我没有声誉点。强硬的人群：-）别担心。关键是要了解将来在类似情况下可以使用的东西：）我还尝试运行一个t.test variances=FALSE的版本，对于代码中的mutate步骤，我尝试了以下操作，但得到了一个错误：

mutate（pval=t.test（var.equal=FALSE）（c（C1，C2，C3，C4，C5，C6），

# example data
df = read.table(text = "
C1       C2      C3     C4       C5     C6     H1    H2 H3  H4  H5  H6
8.57345 8.45938 8.68941 8.35913 8.48177 8.44560 8.40986 8.59392 8.46562 8.07999 8.22759 8.41817
8.32595 8.19273 8.10708 8.48156 7.99014 8.24859 8.78216 8.59592 8.48299 8.52647 8.34797 8.38534
", header=T)

library(tidyverse)

df %>%
  rowwise() %>%
  mutate(pval = t.test(c(C1,C2,C3,C4,C5,C6),
                       c(H1,H2,H3,H4,H5,H6))$p.value) %>%
  ungroup()

# # A tibble: 2 x 13
#      C1    C2    C3    C4    C5    C6    H1    H2    H3    H4    H5    H6   pval
#   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>
# 1  8.57  8.46  8.69  8.36  8.48  8.45  8.41  8.59  8.47  8.08  8.23  8.42 0.161 
# 2  8.33  8.19  8.11  8.48  7.99  8.25  8.78  8.60  8.48  8.53  8.35  8.39 0.0110

df %>%
  mutate(id = row_number()) %>%                 # add row id
  gather(key, value, -id) %>%                   # reshape dataset
  mutate(key = substr(key,1,1)) %>%             # create a group column from first letter (will be used for the t.test comparison)
  group_by(id) %>%                              # for each row
  summarise(pval = t.test(value ~ key)$p.value) # get p value 

# # A tibble: 2 x 2
#      id   pval
#   <int>  <dbl>
# 1     1 0.161 
# 2     2 0.0110