R p、 根据整个数据帧进行调整

我有一个p.value的数据框，每个列都有一个变量名

我的代码是

sapply（pval，p.adjust，method=“fdr”）

此代码返回基于每列调整的qvalue，这意味着基于每列的p列，然后进行调整

---

如何对整个数据帧执行

fdr

，这意味着p在所有数据中排名？

这可能不是最有效的方法，因为它需要大量转换，但对于小数据帧，应该可以：

示例数据（假设p值的数据框架）：

基本上，通过以上步骤，您可以将data.frame转换为矩阵，然后转换为向量，然后根据所有值调整p值，然后重新构造矩阵

上述内容可在R基中写成：

matrix(p.adjust(as.vector(as.matrix(pval)), method='fdr'),ncol=2)

---

我遇到了这个问题

检查p的使用情况。调整如下

p.adjust（p，method=p.adjust.methods，n=length（p））

实际上，我们可以将“n”改为矩阵的长度，因此，简单的应用程序应该是这样工作的：

---

pvalue\u adjusted\u matrix一种保留行和列名的替代方法是将平方矩阵转换为长矩阵，计算padj，然后将其转换回：

longPVal=t(data.frame(row.names = c('G1','G2','R','P'), stringsAsFactors = F))

for(rr in rownames(pval)){ #Convert to long format (maybe MELT helps here?)
  for(cc in colnames(pval)){
    longPVal=rbind(fullSpear,c(rr,cc,dat1[rr,cc],pval[rr,cc]))
  }
}
longPVal[,'ADJP']=p.adjust(longPVal[,'P'], method = 'BH') #Correction

out=data.frame(stringsAsFactors = F) #Rebuild the squared matrix of adjP
for(rr in rownames(pval)){
  for(cc in rownames(pval)){
    rowdat=longPVal[which(longPVal[,'G1']==rr & fullSpear[,'G2']==cc),]
    out[rr,cc]=rowpos['ADJP']
  }
}

从文档中：
注意，您可以将n设置为大于长度（p），这意味着对于“bonferroni”和“holm”方法，未观察到的p值被假定为大于所有观察到的p，对于其他方法，则等于1。
。我怀疑OP是否想要这些假设
matrix(p.adjust(as.vector(as.matrix(pval)), method='fdr'),ncol=2)

longPVal=t(data.frame(row.names = c('G1','G2','R','P'), stringsAsFactors = F))

for(rr in rownames(pval)){ #Convert to long format (maybe MELT helps here?)
  for(cc in colnames(pval)){
    longPVal=rbind(fullSpear,c(rr,cc,dat1[rr,cc],pval[rr,cc]))
  }
}
longPVal[,'ADJP']=p.adjust(longPVal[,'P'], method = 'BH') #Correction

out=data.frame(stringsAsFactors = F) #Rebuild the squared matrix of adjP
for(rr in rownames(pval)){
  for(cc in rownames(pval)){
    rowdat=longPVal[which(longPVal[,'G1']==rr & fullSpear[,'G2']==cc),]
    out[rr,cc]=rowpos['ADJP']
  }
}