计算R中所有（可能较大）矩阵列的p值

是否有更有效/更快的方法来比较两个矩阵（逐列）并使用t检验计算p值，以确保均值无差异（必要时最终切换到chisq.检验）

以下是我的解决方案：

## generate fake data (e.g., from treatment and control data)
z0 <- matrix(rnorm(100),10,10)
z1 <- matrix(rnorm(100, mean=1.1, sd=2),10,10)

## function to compare columns (bloody for loop)
compare.matrix <- function(z0, z1){
  pval <- numeric(ncol(z0)) ## initialize

  for(i in 1:ncol(z0)){ ## compare columns
    pval[i] <- t.test(z1[, i], z0[, i])$p.value

    ## if var is categorical, switch test type
    if ( length(unique(z1[,i]))==2){
      index <- c(rep(0, nrow(z0)), rep(1, nrow(z1)))
      xx <- c(z0[,i], z1[,i])
      pval[i] <- chisq.test(table(xx, index), simulate.p.value=TRUE)$p.value      
    }
  }
  return(pval)  
}
compare.matrix(z0, z1)

##生成假数据（例如，来自治疗和控制数据）
z0这里有一种使用dplyr的方法。如果你有较大的矩阵，最好将前三行合并成一个步骤，但为了清晰起见，我将它们分开。我认为卡方检验是一个相当简单的扩展

z0_melt = melt(z0, value.name='z0')[,c('Var2','z0')]
z1_melt = melt(z1, value.name='z1')[,c('Var2','z1')]
all_df = merge(z0_melt, z1_melt)

library(dplyr)

all_df %>%
  group_by(Var2) %>%
  summarize(p = t.test(z0, z1)$p.value)

“等均值差异t检验”这句话让我想知道你是否需要配对t检验，但如果不需要，那么你的方法看起来是合理的（但我会用“均值无差异t检验”这句话）。谢谢。我根据你的建议修改了课文