向R中的数据帧添加pvalue列

我有一个如下所示的数据帧：

A1 A2 A3 B1 B2 B3
0  1  0  2  3  3
5  6  4  4  6  6

data %>% 
    mutate(PValue = t.test(unlist(c(A1,A2,A3),unlist(c(B1,B2,B3)))$p.value)

我想添加一个基于t检验的专栏，以验证As和Bs之间差异的显著性：

A1 A2 A3 B1 B2 B3 PValue
0  1  0  3  3  4  <some small number>
5  6  4  4  6  6  <some large number>

---

但是，由于某些原因，生成的PValue列是常量。我将非常感谢您的帮助。

如果我们是按行操作，那么

pmap

是一种方法

library(tidyverse)
pmap_dbl(data, ~ c(...) %>% 
                   {t.test(.[1:3], .[4:6])$p.value}) %>% 
     bind_cols(data, PValue = .)
#   A1 A2 A3 B1 B2 B3      PValue
#1  0  1  0  2  3  3 0.007762603
#2  5  6  4  4  6  6 0.725030185

---

或者另一个选项是

rowwise

with

do

data %>%
   rowwise() %>% 
   do(data.frame(., PValue = t.test(unlist(.[1:3]), unlist(.[4:6]))$p.value))
# A tibble: 2 x 7
#     A1    A2    A3    B1    B2    B3  PValue
#* <int> <int> <int> <int> <int> <int>   <dbl>
#1     0     1     0     2     3     3 0.00776
#2     5     6     4     4     6     6 0.725  

数据

---

数据也使用
应用
在基数R中：

data$PValue = apply(data, 1, function(x) t.test(x[1:3], x[4:6])$p.value)

或：

结果：

  A1 A2 A3 B1 B2 B3      PValue
1  0  1  0  2  3  3 0.007762603
2  5  6  4  4  6  6 0.725030185

由于
apply
对矩阵进行内部强制，因此在数据帧上调用它是一个坏习惯，因为它有时会导致类型错误。
pmap
的一个更健壮（但更难阅读）的基本版本是
do.call（mapply，c（function（…）t.test（c（…）[1:3]，c（…）[4:6]）$p.value，data））
@alistaire这是一个很好的观点，但在这种情况下，我们确实知道
数据
都是数字的，因为这是
t.test
正常工作所必需的。因此，
apply
将data.frame强制转换为矩阵不是问题（至少对于这个问题是如此）。这取决于背景和你的最终目标。谢谢。你能评论一下处理大数据时的相对效率吗？@新手我会选择
pmap
，而不是
do
或
gather
。对于
gather
，转换为长格式的效率很低，
do
的速度也不是很快
data$PValue = apply(data, 1, function(x) t.test(x[1:3], x[4:6])$p.value)

library(dplyr)

data %>% 
  mutate(PValue = apply(., 1, function(x) t.test(x[1:3], x[4:6])$p.value))

  A1 A2 A3 B1 B2 B3      PValue
1  0  1  0  2  3  3 0.007762603
2  5  6  4  4  6  6 0.725030185