如何正确使用stack()函数提取R中ANCOVA的边缘均值?
我是R的初学者,我想从200多个结果变量的ANCOVA测试中提取边际均值。当我只对一个结果变量使用如何正确使用stack()函数提取R中ANCOVA的边缘均值?,r,lapply,ancova,R,Lapply,Ancova,我是R的初学者,我想从200多个结果变量的ANCOVA测试中提取边际均值。当我只对一个结果变量使用stack()时,它运行良好,但当我同时使用stack()和lappy()时,我得到了错误 在这里,我使用内置的数据集“iris”来显示问题。 数据集“iris”在物种上有三个级别,我使用Petal.Width作为协变量,Species作为预测变量,前三列变量作为结果变量 我的目的是同时提取相应结果变量的多个边际均值,而不是逐个提取。 #load data and packages data(&qu
stack()
时,它运行良好,但当我同时使用stack()
和lappy()
时,我得到了错误
在这里,我使用内置的数据集“iris”来显示问题。
数据集“iris”在物种上有三个级别,我使用Petal.Width
作为协变量,Species
作为预测变量,前三列变量作为结果变量
我的目的是同时提取相应结果变量的多个边际均值,而不是逐个提取。
#load data and packages
data("iris")
library(car); library(compute.es); library(effects); library(ggplot2);
library(multcomp); library(pastecs); library(WRS)
#set contrasts for the following ANCOVA tests
contrasts(iris$Species) <- contr.poly(3)
#perform
list2 <- lapply(colnames(iris)[1:3], function(x){
anova_fit = aov(reformulate(c("Petal.Width","Species"),x), data = iris)
summary(effect("Species",anova_fit, se=TRUE))
})
我不知道如何正确使用stack()
和lappy()
来提取边际均值
非常感谢
Ella我不确定您希望最终预期输出是什么样子 或许,您可以尝试以下方法:
do.call(rbind, lapply(list2, function(x)
data.frame(prop = c('effect', 'lower', 'upper'),
rbind(x$effect, x$lower, x$upper))))
# prop setosa versicolor virginica
#1 effect 5.88 5.82 5.83
#2 lower 5.49 5.68 5.49
#3 upper 6.27 5.96 6.17
#4 effect 4.17 2.67 2.33
#5 lower 3.93 2.58 2.11
#6 upper 4.42 2.76 2.54
#7 effect 2.43 4.13 4.71
#8 lower 2.13 4.02 4.44
#9 upper 2.74 4.24 4.98
您还可以通过将
do.call
+rbind
替换为purrr
的map\u df
来简化此过程:
purrr::map_df(list2, function(x) data.frame(prop = c('effect', 'lower', 'upper'),
rbind(x$effect, x$lower, x$upper)))
非常感谢你!它起作用了!这和我想要的非常相似@罗纳克沙阿
do.call(rbind, lapply(list2, function(x)
data.frame(prop = c('effect', 'lower', 'upper'),
rbind(x$effect, x$lower, x$upper))))
# prop setosa versicolor virginica
#1 effect 5.88 5.82 5.83
#2 lower 5.49 5.68 5.49
#3 upper 6.27 5.96 6.17
#4 effect 4.17 2.67 2.33
#5 lower 3.93 2.58 2.11
#6 upper 4.42 2.76 2.54
#7 effect 2.43 4.13 4.71
#8 lower 2.13 4.02 4.44
#9 upper 2.74 4.24 4.98
purrr::map_df(list2, function(x) data.frame(prop = c('effect', 'lower', 'upper'),
rbind(x$effect, x$lower, x$upper)))