R:anova中每行的p值&；lm（）

我试图对每一行进行方差分析，然后提取p值进行绘图。作为参考，我正在尝试改编本文中的代码：

以下是我的片段：

> anova.007.mRNA<-x007 %>%
+ rowwise() %>%
+ mutate(pval = anova(c(C1,C2,C3,C4,C5,C6),
+ c(H1,H2,H3,H4,H5,H6))$p.value) %>%
+ ungroup()

这很奇怪，因为我以为方差分析测试也会以类似的方式应用？也许我需要先创建一个线性模型lm（）？

#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（）
变异（pval=方差分析（lm（c）（C1，C2，C3，C4，C5，C6，
H1，H2，H3，H4，H5，H6）~c（rep（“c”，6），rep（“H”，6））$`Pr（>F）`[1]）%>%
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 0.155 
# 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 0.0109

anova

需要输入一个模型（

lm

）对象，而不是两个向量。您需要通过将所有

C

和

H

值组合在一起并创建（此处手动）两组作为自变量来创建模型

---

此外，这里提取p值的方法不像

t.test

中那样简单

我注意到

（rep（“C”）…

在代码片段的第四行-这代表什么？非常感谢-这非常有用！它创建了一个向量，其中C重复6次，然后H重复6次。再次感谢。我还试图得到一个p值的计数，该值低于p=0.01，我尝试了以下方法：

pv007我找到了一个解决方案来获得绘图的计数/计数；H不过，tibble会截断结果，这样您就只能看到前十行了，糟糕！pvals.007.mRNA%%>%+groupby（pval）%%>%+count（pval
Error in mutate_impl(.data, dots) : 
  Evaluation error: no applicable method for 'anova' applied to an object of class "c('double', 'numeric')".

# 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 = anova(lm(c(C1,C2,C3,C4,C5,C6,
                           H1,H2,H3,H4,H5,H6) ~ c(rep("C",6),rep("H",6))))$`Pr(>F)`[1]) %>%
  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 0.155 
# 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 0.0109