R-对多个总体的每个排列运行统计测试的最干净方法

我有三个种群作为单独的载体存储。我需要对这三个群体中的每一对进行统计测试（威尔科克森，如果有必要的话）

我想在代码块中输入三个向量，并得到一个6个p值的向量作为输出（一个p值是一个测试的结果，是一个双精度）

我有一个有效的方法，但我对R是新手，从我一直阅读的内容来看，我觉得应该有更好的方法，可能包括将向量存储为数据帧并使用向量化来编写代码

以下是我的代码：

library(arrangements)

runAllTests <- function(pop1,pop2,pop3) {
    populations <- list(pop1=pop1,pop2=pop2,pop3=pop3)
    colLabels <- c("pop1", "pop2", "pop3")

    #This line makes a data frame where each column is a pair of labels
    perms <- data.frame(t(permutations(colLabels,2)))

    pvals <- vector()

    #This for loop gets each column of that data frame
    for (pair in perms[,]) {
        pair <- as.vector(pair)
        p1 <- as.numeric(unlist(populations[pair[1]]))
        p2 <- as.numeric(unlist(populations[pair[2]]))

        pvals <- append(pvals, wilcox.test(p1, p2,alternative=c("less"))$p.value)
    }

    return(pvals)
}

库（安排）
runAllTests这里是一个使用
combn（）
的方法示例，该方法有一个函数参数，可用于轻松地将
wilcox.test（）
应用于所有变量组合

set.seed(234)

# Create dummy data
df <- data.frame(replicate(3, sample(1:5, 100, replace = TRUE)))

# Apply wilcox.test to all combinations of variables in data frame.
res <- combn(names(df), 2, function(x) list(data = c(paste(x[1], x[2])), p = wilcox.test(x = df[[x[1]]], y =  df[[x[2]]])$p.value), simplify = FALSE)

# Bind results
do.call(rbind, res) 

     data    p         
[1,] "X1 X2" 0.45282   
[2,] "X1 X3" 0.06095539
[3,] "X2 X3" 0.3162251 

set.seed（234）
#创建虚拟数据
df是的，这确实很常见；事实上，R非常常见，它有一个内置函数，正好适用于这种情况：
pairwise.table

p <- list(pop1, pop2, pop3)
pairwise.table(function(i, j) { 
   wilcox.test(p[[i]], p[[j]])$p.value 
}, 1:3)

另外，请确保查看
p.adjust.method
参数，以便正确调整多次比较

根据您的评论，您对顺序重要的测试感兴趣；这真的很难想象（你提到的Wilcoxon测试也不是这样），但是

这是
pairwise.table
函数，经过编辑可以在两个方向上进行测试

pairwise.table.all <- function (compare.levels, level.names, p.adjust.method) {
  ix <- setNames(seq_along(level.names), level.names)
  pp <- outer(ix, ix, function(ivec, jvec) 
    sapply(seq_along(ivec), function(k) {
             i <- ivec[k]; j <- jvec[k]
             if (i != j) compare.levels(i, j) else NA }))
  pp[] <- p.adjust(pp[], p.adjust.method)
  pp
}

整理前后的输出如下所示：

> p <- list(a=1:5, b=2:8, c=10:16)
> out <- pairwise.lazerbeam.test(p)

> out

    Pairwise comparisons using Lazerbeams special method 

data:  a, b, c 

  a      b      c     
a -      0.2821 0.0101
b 0.2821 -      0.0035
c 0.0101 0.0035 -     

P value adjustment method: holm 

> pairwise.lazerbeam.test(p) %>% broom::tidy()
# A tibble: 6 x 3
  group1 group2 p.value
  <chr>  <chr>    <dbl>
1 b      a      0.282  
2 c      a      0.0101 
3 a      b      0.282  
4 c      b      0.00350
5 a      c      0.0101 
6 b      c      0.00350

>p out
用Lazerbeams特殊方法进行两两比较
数据：a、b、c
a、b、c
a-0.2821 0.0101
b 0.2821-0.0035
c 0.0101 0.0035-
P值调整方法：holm
>成对.lazerbeam.测试（p）%>%broom:：tidy（）
#一个tibble:6x3
第1组第2组p.值
1 b a 0.282
2 c a 0.0101
3 a b 0.282
4 c b 0.00350
5 a c 0.0101
6 b c 0.00350
Wow，从来都不知道combn的函数参数！始终在之后运行
lappy
。谢谢，输出看起来很棒。有一件事，我可以让它一次完成所有6个组合，或者我需要调用它两次并合并结果吗？（我比较的人口比其他人口多，所以测试（pop1，pop2）！=测试（pop2，pop1））。好的，我想是时候选择一个答案了。由于这一次的投票数较少，我想解释一下，输出与问题最为匹配，并注意，为了得到其他三次迭代，我只交换了x[1]和x[2]。谢谢。这看起来不错，但我有两个问题：1）我能在一行中获得所有6个比较（test（pop1，pop2）！=test（pop2，pop1））吗？还是我只需要调用两次并返回结果？2）我可以将输出作为向量或数据框，并将测试名称与p值匹配，还是作为矩阵，并用数字标记行和列？首先，我只需要制作我自己的函数版本。关于第二个问题，请参见
broom:：tidy
。
pairwise.lazerbeam.test <- function(dat, p.adjust.method=p.adjust.methods) {
  p.adjust.method <- match.arg(p.adjust.method)
  level.names <- if(!is.null(names(dat))) names(dat) else seq_along(dat)
  PVAL <- pairwise.table.all(function(i, j) { 
    wilcox.test(dat[[i]], dat[[j]])$p.value 
  }, level.names, p.adjust.method = p.adjust.method)
  ans <- list(method = "Lazerbeam's special method", 
              data.name = paste(level.names, collapse=", "), 
              p.value = PVAL, p.adjust.method = p.adjust.method)
  class(ans) <- "pairwise.htest"
  ans
}

> p <- list(a=1:5, b=2:8, c=10:16)
> out <- pairwise.lazerbeam.test(p)

> out

    Pairwise comparisons using Lazerbeams special method 

data:  a, b, c 

  a      b      c     
a -      0.2821 0.0101
b 0.2821 -      0.0035
c 0.0101 0.0035 -     

P value adjustment method: holm 

> pairwise.lazerbeam.test(p) %>% broom::tidy()
# A tibble: 6 x 3
  group1 group2 p.value
  <chr>  <chr>    <dbl>
1 b      a      0.282  
2 c      a      0.0101 
3 a      b      0.282  
4 c      b      0.00350
5 a      c      0.0101 
6 b      c      0.00350