关于如何使用for循环比较列和向量输入的建议

我想做一个计数向量，将许多列与一个称为

真值的列进行比较。我真的不知道这是怎么回事，所以任何建议都会很有帮助，因为到目前为止这对我不起作用

k=13
for(i in 1:k){
  TPR<- tumor %>% filter(tumor1[,i]==T) %>% filter(tumor1[,i]==truth) %>% tally() 
}

k=13
对于（1:k中的i）{
TPR%过滤器（tumor1[，i]==T）%%>%filter（tumor1[，i]==truth）%%>%tally（）
}

为了再现性，您可以使用此代码，但它确实令人尴尬，因此：

library(ggplot2)
library(dplyr)
library(tidyverse)

malig<-c(.49, .36, .58, .56, .61, .66)
benign<-c(.42, .22, .26, .53, .31 ,.41)

tumor<- NULL
tumor$malig<- malig
tumor$benign<- benign
tumor<-tumor %>% as.data.frame()

tumor<- tumor %>% pivot_longer(cols=c(malig,benign), names_to="status") %>% arrange(status)

cutoffs<-c(.2, .25, .3, .35, .37, .4, .45, .5, .55, .57, .6, .65, .7)

tumor<- tumor %>% mutate(tumor, Twenty = ifelse(value > .2, T, F))
tumor<- tumor %>% mutate(tumor, Twentyfive = ifelse(value > .25, T, F))
tumor<- tumor %>% mutate(tumor, Thirty = ifelse(value > .3, T, F))
tumor<- tumor %>% mutate(tumor, Thirtyfive = ifelse(value > .35, T, F))
tumor<- tumor %>% mutate(tumor, Thirtyseven = ifelse(value > .37, T, F))
tumor<- tumor %>% mutate(tumor, Forty = ifelse(value > .4, T, F))
tumor<- tumor %>% mutate(tumor, Fortyfive = ifelse(value > .45, T, F))
tumor<- tumor %>% mutate(tumor, Fifty = ifelse(value > .5, T, F))
tumor<- tumor %>% mutate(tumor, Fiftyfive = ifelse(value > .55, T, F))
tumor<- tumor %>% mutate(tumor, Fiftyseven = ifelse(value > .57, T, F))
tumor<- tumor %>% mutate(tumor, Sixty = ifelse(value > .6, T, F))
tumor<- tumor %>% mutate(tumor, Sixtyfive = ifelse(value > .65, T, F))
tumor<- tumor %>% mutate(tumor, Seventy = ifelse(value > .7, T, F))

tumor1<- tumor %>% mutate(tumor, truth=ifelse(status=="malig", T, F))
tumor1<- tumor1 %>% select(-value,-status)
k=13
for(i in 1:k){
  TPR<- tumor1 %>% filter(tumor1[,i]==T) %>% filter(tumor1[,i]==truth) %>% tally()
  
}

库（ggplot2）
图书馆（dplyr）
图书馆（tidyverse）
（表37，T，F）
肿瘤%突变（肿瘤，40=ifelse（值>0.4，T，F））
肿瘤%突变（肿瘤，Fortyfive=ifelse（值>0.45，T，F））
肿瘤%突变（肿瘤，50=ifelse（值>0.5，T，F））
肿瘤%突变（肿瘤，55=ifelse（值>0.55，T，F））
肿瘤%突变（肿瘤，57=ifelse（值>0.57，T，F））
肿瘤%突变（肿瘤，60=ifelse（值>0.6，T，F））
肿瘤%突变（肿瘤，六十五=ifelse（值>0.65，T，F））
肿瘤%突变（肿瘤，70=ifelse（值>0.7，T，F））
肿瘤1%突变（肿瘤，真值=ifelse（状态=“malig”，T，F））
1%选择（-value，-status）
k=13
对于（1:k中的i）{
TPR%过滤器（tumor1[，i]==T）%%>%filter（tumor1[，i]==truth）%%>%tally（）
}
也许您正在寻找这样的产品：

library(dplyr)

tumor1 %>% summarise(across(Twenty:Seventy, ~sum(. & truth)))

以R为基数的是：

colSums(tumor1[-ncol(tumor1)] & tumor1$truth)

以下是一种方法：

库（data.table）
lu_截止值=数据表（截止值=c（.2、.25、.3、.35、.37、.4、.45、.5、.55、.57、.6、.65、.7））
dt=setDT（堆栈（列表（malig=malig，良性=良性）））
dt[，ind:=as.character（ind）]
dt[ind=='malig'
][lu_截止线，
on=（值>截止值），
N
by=.EACHI]
#价值观
#      
# 1:   0.20     6
# 2:   0.25     6
# 3:   0.30     6
# 4:   0.35     6
# 5:   0.37     5
# 6:   0.40     5
# 7:   0.45     5
# 8:   0.50     4
# 9:   0.55     4
#10:   0.57     3
#11:   0.60     2
#12:   0.65     1
#13:   0.70     0

基本上，我们首先使用
堆栈
行简化
tidyr:：pivot\u。然后，我们只过滤到
malig
，然后进行非等连接以查找截止值

这在很大程度上是一种等效的
dplyr
方法，尽管它将值放宽为0.70

tib=as_tible（堆栈（列表（malig=malig，良性=良性）））
tib%>%
交叉点（截止点）%>%
过滤器（值>截止值，
ind==“malig”）%>%
计数（截止值）
##tibble:12 x 2
#切断
#       
#  1   0.2       6
#  2   0.25      6
#  3   0.3       6
#  4   0.35      6
#  5   0.37      5
#  6   0.4       5
#  7   0.45      5
#  8   0.5       4
#  9   0.55      4
# 10   0.570     3
# 11   0.6       2
# 12   0.65      1
欢迎光临。你能让这个例子重现吗？这有助于海报了解您的预期结果。我感谢添加示例。那么预期的输出是什么呢？
truth
列和
tumor1
数据框架中所有其他列之间的共同观察数向量，您可以将其包含在代码中吗？我觉得示例代码可能有错误。查看您的
tumor1
返回的内容。我深表歉意。它现在应该像梦一样工作，直到for循环