dplyr，dunn测试，尺寸误差（robj）%管道将data.frame作为第一个参数传递给pairw.kw函数。其次，pairw.kw函数需要两个向量作为输入。您可以使用magrittr包中的%$%管道来实现这一点。它的工作原理与函数类似 library(magrittr) example.df %>% filter(treated=="No") %$% pairw.kw(var1, species, conf = 0.95) 对评论中问题的答复： 谢谢成功了。我确实遇到了%$%运算符，但没有意识到它公开了数据帧中的变量。如果我使用group而不是filter来执行此操作，则实际上不会进行分组。是否可以按处理分组，并将每个TIBLE逐个传递给pairw.kw进行分析？可以。请参阅我编辑的答案。现在您在kw列中进行了比较，我制作了p_val列来展示如何提取特定的统计数据。编辑：当我仔细检查数据帧时，结果与byexample.df、example.df$treated、functionX pairw.kwX$var1、X$species、conf=0.95相同。最后一个要求是：如果我有一个包含多个变量的数据帧，我如何使用类似的代码循环它们？使用say，example.df library(magrittr) example.df %>% filter(treated=="No") %$% pairw.kw(var1, species, conf = 0.95) library(tidyverse) library(magrittr) library(asbio) example.df %>% group_by(treated) %>% nest() %>% mutate( kw = map( data, ~ .x %$% pairw.kw(var1, species, conf = 0.95) ), p_val = map_dbl(kw, ~ .x$summary$`Adj. P-value`) )

我试图将一个通过变量值过滤的数据集从R中的asbio包传递给pairw.kw函数

example.df <- data.frame( 
                 species = sample(c("primate", "non-primate"), 50, replace = TRUE),
                 treated = sample(c("Yes", "No"), 50, replace = TRUE), 
                 gender = sample(c("male", "female"), 50, replace = TRUE), 
                 var1 = rnorm(50, 100, 5)
               )

library(dplyr)
library(asbio)

with(example.df, pairw.kw(var1, species, conf=0.95))

给我错误信息

dimrobj中的错误首先%>%管道将data.frame作为第一个参数传递给pairw.kw函数。其次，pairw.kw函数需要两个向量作为输入。您可以使用magrittr包中的%$%管道来实现这一点。它的工作原理与函数类似

library(magrittr)

example.df %>% 
   filter(treated=="No") %$% 
   pairw.kw(var1, species, conf = 0.95)

对评论中问题的答复：

---

谢谢成功了。我确实遇到了%$%运算符，但没有意识到它公开了数据帧中的变量。如果我使用group而不是filter来执行此操作，则实际上不会进行分组。是否可以按处理分组，并将每个TIBLE逐个传递给pairw.kw进行分析？可以。请参阅我编辑的答案。现在您在kw列中进行了比较，我制作了p_val列来展示如何提取特定的统计数据。编辑：当我仔细检查数据帧时，结果与byexample.df、example.df$treated、functionX pairw.kwX$var1、X$species、conf=0.95相同。最后一个要求是：如果我有一个包含多个变量的数据帧，我如何使用类似的代码循环它们？使用say，example.df

library(magrittr)

example.df %>% 
   filter(treated=="No") %$% 
   pairw.kw(var1, species, conf = 0.95)

library(tidyverse)
library(magrittr)
library(asbio)

example.df %>% 
  group_by(treated) %>%
  nest() %>%
  mutate(
    kw = map(
      data,
      ~ .x %$% pairw.kw(var1, species, conf = 0.95)
    ),
    p_val = map_dbl(kw, ~ .x$summary$`Adj. P-value`)
  )