執行 Fisher 測試，將多個數據框列與同一向量 R 進行比較

Question

我有一個數據框：

frequencies <- data.frame(row.names = c("a", "b", "c")
                          ,response = c(10, 7, 4)
                          ,no_response = c(12, 12, 7))

> frequencies
  response no_response
a       10          12
b        7          12
c        4           7

我想執行費舍爾的精確檢驗，將每一行與該實驗的觀察值總和進行比較（即與整個實驗觀察到的頻率 - 我想知道在任何 a/b/c 數據子集中觀察到的頻率是否是與對整個數據集觀察到的不同）。

要“手動”執行此操作，我會計算每列中有多少觀察結果：

total <- colSums(frequencies) %>% 
  t() %>% 
  as.data.frame() %>% 
  `rownames<-`("total")

> total
      response no_response
total       21          31

然后我運行fisher.test() （我只需要 p 值），將每一列與total[1,]進行比較

ap <- fisher.test(rbind(total[1,], frequencies[1,]))$p.value
bp <- fisher.test(rbind(total[1,], frequencies[2,]))$p.value

等等。

必須有一個更整潔的方法。 在最終輸出中，我想在frequencies數據框中有一列包含 p 值，如下所示：

  response no_response  pval
a       10          12   0.8
b        7          12     1
c        4           7     1

我添加了一個purrr標簽，因為我覺得我應該在這里使用map但我不知道該怎么做。

Answer 1

您可以使用 dplyr 嘗試類似這樣的簡單操作：

library(dplyr)

total <- frequencies %>%
  summarise(across(everything(), sum))

frequencies %>%
  rowwise() %>%
  mutate(pval = stats::fisher.test(rbind(total, c(response, no_response)))$p.value) %>%
  ungroup()

Answer 2

根據：

使用 for 循環 ::

frequencies$p.value<-0
for(i in 1:nrow(frequencies)){
  frequencies$p.value[i]<- fisher.test(rbind(total[1,], frequencies[i,1:2]))$p.value
}

或使用應用::

rbindtest <- function(x) {
  fisher.test(rbind(total[1,], x))$p.value
}
frequencies$p.value<-apply(frequencies, 1, rbindtest)