使用`dplyr :: group_by（）`為多個組獲取`chisq.test（）$ p.value`

Question

我正在嘗試對dplyr框架內的多個組進行卡方檢驗。 問題是， group_by() %>% summarise()似乎沒什么用處。

模擬數據（結構與問題數據相同，但隨機，因此p.values應該很高）

set.seed(1)
data.frame(partido=sample(c("PRI", "PAN"), 100, 0.6),
       genero=sample(c("H", "M"), 100, 0.7), 
       GM=sample(c("Bajo", "Muy bajo"), 100, 0.8)) -> foo

我想比較由GM定義的幾個組，以查看是否有條件的GM的交叉和通用交叉表的p。值發生變化。

明顯的dplyr方法應該是：

foo %>% 
  group_by(GM) %>% 
  summarise(pvalue=chisq.test(.$partido, .$genero)$p.value)  #just the p.value, so summarise is happy

但是我得到的是未分組數據的p.value，只是次數，而不是每個表的p.value：

# A tibble: 2 × 2 GM pvalue <fctr> <dbl> 1 Bajo 0.8660521 2 Muy bajo 0.8660521

使用過濾器測試每個組，我得到：

foo %>% 
  filter(GM=="Bajo") %$% 
  table(partido, genero) %>% 
  chisq.test()

返回值： X-squared = 0.015655, df = 1, p-value = 0.9004

foo %>% 
  filter(GM=="Muy bajo") %$% 
  table(partido, genero) %>% chisq.test()

返回值： X-squared = 0.50409, df = 1, p-value = 0.4777

dplyr:summarise()可用於具有多個參數的函數，因此這不應該是問題：

data.frame(a=1:10, b=10:1, c=sample(c("Grupo 1", "Grupo 2"), 10, 0.5)) %>% 
    group_by(c) %>% 
    summarise(r=cor(a, b))

就像魅力。 它似乎不適用於chisq.test。

我設法使用tidyr::nest()和purrr::map()來獲得嵌套模型所需要的東西，但是我發現代碼很麻煩-至少對我的學生而言。 實際上，我已經投入了很多我們的教學來教他們（數學和編程方面非常有挑戰性的小組）dplyr，以便他們可以盡可能地避免使用向量函數。

foo %>% 
  nest(-GM) %>% 
  mutate(tabla=map(data, ~table(.))) %>% 
  mutate(pvalue=map(tabla, ~chisq.test(.)$p.value)) %>% 
  select(GM, pvalue) %>% 
  unnest()

A tibble: 2 × 2
       GM   pvalue
    <fctr>  <dbl>
1     Bajo  0.9004276
2 Muy bajo  0.4777095

do()也可以do() ：

foo %>% 
  group_by(GM) %>% 
  do(tidy(chisq.test(.$partido, .$genero)))

Source: local data frame [2 x 5]
Groups: GM [2]
    GM statistic   p.value parameter
<fctr>     <dbl>     <dbl>     <int>
1     Bajo 0.0156553 0.9004276         1
2 Muy bajo 0.5040878 0.4777095         1
# ... with 1 more variables: method <fctr>

如： Fisher和Pearson的獨立性測試

但是，為什么group_by()無法與summarise(chisq.test()$p.value) ？

Answer 1

在dplyr ，無論您處於groupby還是其他狀態，通常都可以使用未加引號的變量名來訪問相關列。 因此，移除.$從存取.$partido和.$genero這不需要我得到：

foo %>% 
    group_by(GM) %>% 
    summarise(pvalue= chisq.test(partido, genero)$p.value) 

# A tibble: 2 × 2
        GM    pvalue
    <fctr>     <dbl>
1     Bajo 0.9004276
2 Muy bajo 0.4777095