在R中的循环内水平连接数据帧_R_Dataframe_Concatenation

在R中的循环内水平连接数据帧

r dataframe

在R中的循环内水平连接数据帧,r,dataframe,concatenation,R,Dataframe,Concatenation,我使用bellow函数与pairwise.wilcox.test比较各组水平：我想要的是通过公共第一列水平连接这些数据帧，因此结果输出如下所示： Compared groups p-value p-value p-value 1 1StL - 3StL 1 1,0000000 1 2 1StL - IP 1 0,1092484 1 3 1StL - ISR 1 1,0000000

我使用bellow函数与pairwise.wilcox.test比较各组水平：

我想要的是通过公共第一列水平连接这些数据帧，因此结果输出如下所示：

   Compared groups p-value   p-value   p-value
1      1StL - 3StL       1 1,0000000       1
2        1StL - IP       1 0,1092484       1
3       1StL - ISR       1 1,0000000       1
4       1StL - ISU       1 1,0000000       1
5       1StL - StM       1 1,0000000       1
6      3StL - 3StL      NA        NA      NA
7        3StL - IP       1 1,0000000       1
...

如何做到这一点？请记住，我有更多的变量。

我的数据集（并非所有数据）：

你的结构陈述对我不起作用……我想这就是你问题的本质

df1 <- data.frame(group=c('A', 'B', 'C'), result1=c(1, 2, 3))
df2 <- data.frame(group=c('A', 'B', 'C'), result2=c(4, 5, 6))
df3 <- data.frame(group=c('A', 'B', 'C'), result3=c(7, 8, 9))

result.temp <- merge(df1, df2)
result      <- merge(result.temp, df3)

result
#   group result1 result2 result3
# 1     A       1       4       7
# 2     B       2       5       8
# 3     C       3       6       9

你的结构陈述对我不起作用……我想这就是你问题的本质

df1 <- data.frame(group=c('A', 'B', 'C'), result1=c(1, 2, 3))
df2 <- data.frame(group=c('A', 'B', 'C'), result2=c(4, 5, 6))
df3 <- data.frame(group=c('A', 'B', 'C'), result3=c(7, 8, 9))

result.temp <- merge(df1, df2)
result      <- merge(result.temp, df3)

result
#   group result1 result2 result3
# 1     A       1       4       7
# 2     B       2       5       8
# 3     C       3       6       9

你的结构陈述对我不起作用……我想这就是你问题的本质

df1 <- data.frame(group=c('A', 'B', 'C'), result1=c(1, 2, 3))
df2 <- data.frame(group=c('A', 'B', 'C'), result2=c(4, 5, 6))
df3 <- data.frame(group=c('A', 'B', 'C'), result3=c(7, 8, 9))

result.temp <- merge(df1, df2)
result      <- merge(result.temp, df3)

result
#   group result1 result2 result3
# 1     A       1       4       7
# 2     B       2       5       8
# 3     C       3       6       9

你的结构陈述对我不起作用……我想这就是你问题的本质

df1 <- data.frame(group=c('A', 'B', 'C'), result1=c(1, 2, 3))
df2 <- data.frame(group=c('A', 'B', 'C'), result2=c(4, 5, 6))
df3 <- data.frame(group=c('A', 'B', 'C'), result3=c(7, 8, 9))

result.temp <- merge(df1, df2)
result      <- merge(result.temp, df3)

result
#   group result1 result2 result3
# 1     A       1       4       7
# 2     B       2       5       8
# 3     C       3       6       9

不确定这会增加多少，但您询问了如何在函数中实现这一点：

pw.wcx <- function(data,x,factor){
  result <- Reduce(function(x,y)merge(x,y,by="Var1"),
                   lapply(data[x],function(d){
                     pw <- pairwise.wilcox.test(d,factor,p.adj="bonf")[[3]]
                     transform(melt(pw),Var1=paste(Var2,Var1,sep="-"))[-2]}),
                   accumulate=FALSE)
  colnames(result) <- c("Compared Groups",names(data[x]))
  result
}
result <- pw.wcx(tabel2,2:4,tabel2$lot)
head(result)
#   Compared Groups RS.5_1    RS.5_2 RS.5_3
# 1       1StL-3StL      1 1.0000000      1
# 2         1StL-IP      1 0.1092484      1
# 3        1StL-ISR      1 1.0000000      1
# 4        1StL-ISU      1 1.0000000      1
# 5        1StL-StM      1 1.0000000      1
# 6       3StL-3StL     NA        NA     NA

此版本将避免警告，但我不建议使用此版本。这基本上使用了

lappy（…）

作为一个美化的for循环，它没有利用R非常高效的列表处理（例如，使用

data[，i]

在每次迭代中对数据帧进行一次子集划分，而不是在开始时仅使用

data[x]进行一次子集划分）

不确定这会增加多少，但您询问了如何在函数中实现这一点：

pw.wcx <- function(data,x,factor){
  result <- Reduce(function(x,y)merge(x,y,by="Var1"),
                   lapply(data[x],function(d){
                     pw <- pairwise.wilcox.test(d,factor,p.adj="bonf")[[3]]
                     transform(melt(pw),Var1=paste(Var2,Var1,sep="-"))[-2]}),
                   accumulate=FALSE)
  colnames(result) <- c("Compared Groups",names(data[x]))
  result
}
result <- pw.wcx(tabel2,2:4,tabel2$lot)
head(result)
#   Compared Groups RS.5_1    RS.5_2 RS.5_3
# 1       1StL-3StL      1 1.0000000      1
# 2         1StL-IP      1 0.1092484      1
# 3        1StL-ISR      1 1.0000000      1
# 4        1StL-ISU      1 1.0000000      1
# 5        1StL-StM      1 1.0000000      1
# 6       3StL-3StL     NA        NA     NA

这个版本将避免警告，但我不推荐它。它基本上使用

lappy（…）

作为一个美化的for循环，它没有利用R非常高效的列表处理（例如，使用

data[，I]

在每个迭代中对数据帧进行一次子集设置，而不是在开始时仅使用

data[x]进行一次

不确定这会增加多少，但您询问了如何在函数中实现这一点：

pw.wcx <- function(data,x,factor){
  result <- Reduce(function(x,y)merge(x,y,by="Var1"),
                   lapply(data[x],function(d){
                     pw <- pairwise.wilcox.test(d,factor,p.adj="bonf")[[3]]
                     transform(melt(pw),Var1=paste(Var2,Var1,sep="-"))[-2]}),
                   accumulate=FALSE)
  colnames(result) <- c("Compared Groups",names(data[x]))
  result
}
result <- pw.wcx(tabel2,2:4,tabel2$lot)
head(result)
#   Compared Groups RS.5_1    RS.5_2 RS.5_3
# 1       1StL-3StL      1 1.0000000      1
# 2         1StL-IP      1 0.1092484      1
# 3        1StL-ISR      1 1.0000000      1
# 4        1StL-ISU      1 1.0000000      1
# 5        1StL-StM      1 1.0000000      1
# 6       3StL-3StL     NA        NA     NA

这个版本将避免警告，但我不推荐它。它基本上使用

lappy（…）

作为一个美化的for循环，它没有利用R非常高效的列表处理（例如，使用

data[，I]

在每个迭代中对数据帧进行一次子集设置，而不是在开始时仅使用

data[x]进行一次

不确定这会增加多少，但您询问了如何在函数中实现这一点：

pw.wcx <- function(data,x,factor){
  result <- Reduce(function(x,y)merge(x,y,by="Var1"),
                   lapply(data[x],function(d){
                     pw <- pairwise.wilcox.test(d,factor,p.adj="bonf")[[3]]
                     transform(melt(pw),Var1=paste(Var2,Var1,sep="-"))[-2]}),
                   accumulate=FALSE)
  colnames(result) <- c("Compared Groups",names(data[x]))
  result
}
result <- pw.wcx(tabel2,2:4,tabel2$lot)
head(result)
#   Compared Groups RS.5_1    RS.5_2 RS.5_3
# 1       1StL-3StL      1 1.0000000      1
# 2         1StL-IP      1 0.1092484      1
# 3        1StL-ISR      1 1.0000000      1
# 4        1StL-ISU      1 1.0000000      1
# 5        1StL-StM      1 1.0000000      1
# 6       3StL-3StL     NA        NA     NA

这个版本将避免警告，但我不推荐它。它基本上使用

lappy（…）

作为一个美化的for循环，它没有利用R非常高效的列表处理（例如，使用

data[，I]

在每个迭代中对数据帧进行一次子集设置，而不是在开始时仅使用

data[x]进行一次

如果这是他需要的，他应该使用

Reduce

和

merge

并指定要合并的列。如果这是他需要的，他应该使用

Reduce

和

merge

并指定要合并的列。如果这是他需要的，他应该使用

Reduce

和

merge

并指定y要合并的列。如果这是他需要的，他应该使用

Reduce

和

merge

并指定要合并的列。工作得很有魅力！非常感谢！P.s.在

结果中，你的函数工作（它产生预期的结果），但有50多个警告：1:In merge.data.frame（x，y，by=“Var1”）：列名'value.x'、'value.y'在结果中重复。
。为什么会发生这种情况？这是因为列表中的每个数据帧都有一个名为value
（由于使用了melt（…）
），因此它试图在合并结果中创建多个具有该名称的列。但我在函数退出之前重命名了这些列，因此您在最终结果中看不到这一点。这可能并不重要，因为函数可以工作，但消息出现了50个或更多警告…
仍然存在。可以重命名p-value
合并前的列，如merge.data.frame（x，y，by=“Var1”）中的警告所述：列名'value.x'、'value.y'在结果中重复

？这有助于删除警告吗？为什么您如此渴望获得警告的id？尽管如此，请参阅我的编辑。效果非常好！非常感谢！P.S.在

结果中，您的函数工作正常（它产生预期的结果），但有50多个警告：1:In merge.data.frame（x，y，by=“Var1”）：列名'value.x'，'value.y'在结果中重复。
。为什么会发生这种情况？这是因为列表中的每个数据帧都有名为value的p值列（由于使用了melt（…）
），因此它试图在合并结果中创建多个具有该名称的列。但我在函数退出之前重命名了这些列，因此您在最终结果中看不到这一点。这可能并不重要，因为函数可以工作，但消息出现了50个或更多警告…
仍然存在。可以重命名p-value
合并前的列，如merge.data.frame（x，y，by=“Var1”）中的警告所述：列名'value.x'、'value.y'在结果中重复
？这有助于删除警告吗？为什么您如此渴望获得警告的id？尽管如此，请参阅我的编辑。效果非常好！非常感谢！P.S.在结果中，您的函数工作正常（它产生预期的结果），但有50多个警告：1:In merge.data.frame（x，y，by=“Var1”）：列名'value.x'，'value.y'在结果中重复。
。为什么会发生这种情况？这是因为列表中的每个数据帧都有名为value的p值列（由于使用了melt（…）
），因此它试图在合并结果中创建多个具有该名称的列。但我在函数退出之前重命名了这些列，因此您在最终结果中看不到这一点。这可能并不重要，因为函数可以工作，但消息出现了50个或更多警告…
仍然存在。可以重命名p-value
合并前的列