R 如何创建一个循环或函数，在包含变量的两个向量列表中循环，以便对响应运行KS测试

为了方便起见，我简化并概括了该问题的代码

因此，我的问题（即R）是，我正试图通过一组Kolmogorov-Smirnov ks.boot测试，对两个因素进行多个级别的测试。我需要为每个级别的向量df子集数据。测试$名称（例如代表物种名称的W、X、Y和Z），然后通过比较每个级别的df之间的长度分布循环。测试$TSM.FACT（例如代表时间段的A、B、C等）

因此，对于df.test$名称中的每个级别（例如W、X、Y、Z），我需要比较不同时间段A和B的长度分布；然后A对C，然后B对C，并将每个结果保存在数据帧中；记录比较发生的位置

#for ease create the data##
  df.fact <- data.frame("A"=abs(rnorm(1000, mean = 350, sd=160)),"B"= abs(rpois(n = 1000, lambda = 50)), "C"=abs(rnorm(1000, mean = 200, sd=80)), names=rep(factor(LETTERS[23:26]), 1000))
library(reshape2)
df.test<-melt(df.fact, id.vars = "names", value.name = "Length2")
names(df.test)[names(df.test) =="variable"] <- "TSM.FACT"
names(df.test)[names(df.test) =="value"] <- "length2"

dfX <-subset(df.test, names == c("X"))
A <-subset(dfX , TSM.FACT  == c("A"))
B <-subset(dfX , TSM.FACT  == c("B"))
C <-subset(dfX , TSM.FACT  == c("C"))
KS.XAB <- ks.boot(A$length2,B$length2, nboots=5000)
KS.XAC <- ks.boot(A$length2,C$length2, nboots=5000)
KS.XBC <- ks.boot(B$length2,C$length2, nboots=5000)
summary(KS.XAB)
summary(KS.XAC)
summary(KS.XBC)

dfY<-subset(df.test, names == c("Y"))
A <-subset(dfY , TSM.FACT  == c("A"))
B <-subset(dfY , TSM.FACT  == c("B"))
C <-subset(dfY , TSM.FACT  == c("C"))
KS.YAB <- ks.boot(A$length2,B$length2, nboots=5000)
KS.YAC <- ks.boot(A$length2,C$length2, nboots=5000)
KS.YBC <- ks.boot(B$length2,C$length2, nboots=5000)
summary(KS.YAB)
summary(KS.YAC)
summary(KS.YBC)
#AND REPEAT FOR Z#

#为了方便创建数据##
df.fact准备所有的名称模式，TSM.FACT1、TSM.FACT2，您可以通过类似循环的方法轻松地完成所有测试

以下是我的例子：

library(tibble); library(tidyr); library(dplyr); library(purrr)

# preparing all pattern
comb_d <- df.test %>% 
  as_tibble() %>%       # conv to tibble
  group_by(names) %>% 
  summarize(TSM.FACT = list(unique(as.character(TSM.FACT)))) %>%   # get unique TSM.FACT as vector
  mutate(comb_ = map(TSM.FACT,
                     ~ {
                       .x %>%           # calculate all combination by combn()
                         combn(2) %>%   # output is row:2 x col:n matrix
                         t() %>% 
                         as_tibble()   # conv to row:n x col:2 tibble
                     })) %>% 
  dplyr::select(names, comb_) %>% 
  # unnest(names(.)) %>%   # for tidyr v1.0.0
  unnest() %>%             # for tidyr under v1.0.0
  set_names("names_", "TSM.FACT1", "TSM.FACT2") # chage colnames


# making data and do ks.test line by line
comb_d <- comb_d %>%               # I typo the below line, sorry.
  mutate(ks_res = pmap(list(names_, TSM.FACT1, TSM.FACT2),    # making data sets using 3rows
                       function(names_, TSM.FACT1, TSM.FACT2){

                         temp <- df.test %>% 
                           filter(names == names_)  # LIKE subset(df.test, names == c("X"))

                         d1 <- temp %>% 
                                  filter(TSM.FACT == TSM.FACT1) %>%   # LIKE subset(dfX , TSM.FACT  == c("A"))
                           pull(Length2)  # pull the col as vector

                         d2 <- temp %>% 
                           filter(TSM.FACT == TSM.FACT2) %>% 
                           pull(Length2)

                         Matching::ks.boot(d1, d2, nboots = 5000)  # do ks.boot

                       }))

# you can access the result such like
comb_d$ks_res[[1]] %>% 
  summary()
# or
comb_d %>% 
  filter(names == "X", TSM.FACT1 == "A", TSM.FACT2 == "B") %>% 
  pluck("ks_res")

库（tibble）；图书馆（tidyr）；图书馆（dplyr）；图书馆（purrr）
#准备所有模式
梳齿直径%
as_tible（）%>%#转换为tible
分组人（姓名）%>%
汇总（TSM.FACT=list（惟一（as.character（TSM.FACT）））%>%#获取惟一的TSM.FACT作为向量
变异（comb=映射（TSM.FACT，
~ {
.x%>%#通过combn（）计算所有组合
combn（2）%>%#输出为行：2 x列：n矩阵
t（）%>%
as_tible（）#转换到行：n x列：2 tible
})) %>% 
dplyr:：选择（名称、梳）%>%
#tidyr v1.0.0的最新（名称（%）%>%#
v1.0.0下三年的unnest（）%>%#
设置名称（“名称”、“TSM.FACT1”、“TSM.FACT2”）\chage colnames
#制作数据并逐行进行ks测试
对不起，我在下面一行打错了。
变异（ks_res=pmap（列表（名称，TSM.FACT1，TSM.FACT2）），使用3行创建数据集
功能（名称、TSM.FACT1、TSM.FACT2）{
温度%
过滤器（names==names_35;类似子集（df.test，names==c（“X”））
d1%
过滤器（TSM.FACT==TSM.FACT1）%>%#类子集（dfX，TSM.FACT==c（“A”））
拉动（长度2）#拉动列作为向量
d2%
过滤器（TSM.FACT==TSM.FACT2）%>%
拉力（长度2）
匹配：：ks.boot（d1，d2，nboots=5000）#执行ks.boot
}))
#您可以像这样访问结果
comb_d$ks_res[[1]]%>%
摘要（）
#或
梳d%>%
过滤器（名称==“X”，TSM.FACT1==“A”，TSM.FACT2==“B”）%>%
拔毛
谢谢乌贼44，尽管我不能制作梳子。我相信它在{unnest（names（.））%>%}的参数上失败了。错误消息“error:Column
names（.）
的长度必须为4（行数）或1，而不是2”@George；对不起，我迟了答复。也许你的
tidyr
不是最新的，是吗？但我不建议马上就开始学习，因为这是一个专业，学习需要时间。对于旧的
tidyr
，请使用unnest（）而不是
unnest（名称（）
。你好，墨鱼，没问题。不幸的是，我仍然收到一条错误消息：我正在使用Rstudio版本1.1.463和r版本3.5，tidyr 0.8.3。错误消息
select（，names，comb_uu）中出错：未使用的参数（names，comb_u）
I编辑了我的输入错误（与您的错误无关）。可能是包冲突导致了错误（
MASS
vs
dplyr
）。请使用
dplyr:：select
而不是
select
（我在这里编辑了我的答案）；谢谢你。虽然你可以编辑你的答案来显示你需要图书馆（tidyr）？还是含蓄？再次感谢。