Shapiro.test & plyr：所有 'x' 值都是相同的答案

【问题标题】：Shapiro.test & plyr: all 'x' values are identicalShapiro.test & plyr：所有 'x' 值都是相同的
【发布时间】：2017-05-02 23:15:31
【问题描述】：

我正在尝试使用我用 ddply 子集的数据集（通过变量“站点”和“类别”）对变量“大小”运行 Shapiro Wilks 测试，但我不断收到错误消息.

这是我的数据集 (d) 的示例。我有 9 个类别和 13 个站点的 4237 个观察结果：

Site    Genus    Size    Category
Arn01   ACR        4       ACR
Arn01   ACR        7       ACR
Arn02   ACR        3       ACR

我为 Shapiro Wilks 创建了一个函数：

shap.w <- function(input){ #shapiro wilk test function 
   if(sum(!is.na(input$Size)) > 3 & sum(!is.na(input$Size)) < 5000){
      p <- shapiro.test(input$Size)$p.value
      return(p)}else{return(NA)} }

然后，我尝试使用 ddply 将该函数应用于我的数据子集：

sw_test <- ddply(d, .(Site, Category), .fun = shap.w)

但是当我这样做时，我收到一条错误消息：

Error in shapiro.test(input$Size) : all 'x' values are identical

即使他们显然不是。任何帮助/建议将不胜感激。

ETA 输出

dput(d[1:20,]):

> dput(d[1:20,])
structure(list(Site = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Arn01n", 
"Arn02n", "Arn03n", "Arn04n", "Arn05n", "Arn06n", "Arn07n", "Arn08n", 
"Arn09n", "Arn10n", "Arn11n", "Arn12n", "Arn13n"), class = "factor"), 
Genus = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 30L, 30L, 30L, 30L), .Label = c("ACA", 
"ACR", "AST", "COS", "CYP", "ECH", "FUN", "FVA", "FVT", "GAR", 
"GON", "HEL", "HYD", "ISO", "LEA", "LEO", "LEP", "LOB", "MER", 
"MNT", "MST", "MYC", "PAV", "PBR", "PLA", "PLAT", "POC", 
"POD", "PRE", "PRM", "PRS", "PSA", "SAR", "STY"), class = "factor"), 
Size = c(4, 2, 4, 4, 3, 5, 5, 4, 4, 4, 4, 3, 6, 3, 4, 5, 
2, 3, 3, 6), Category = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 8L, 8L, 8L, 8L), .Label = c("ACR", 
"FAV", "FUN", "HEL", "ISO", "MNT", "POC", "PRM", "PRS"), class = "factor")), 
.Names = c("Site", 
"Genus", "Size", "Category"), row.names = c(NA, 20L), class = "data.frame")`

table(d$Size) 的 ETA 输出

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 22 23 24 25 26 27 28 29 30 31 33 35 36 37 38 39 14 271 525 548 521 424 201 206 50 357 23 95 36 7 171 11 14 30 4 145 11 21 5 46 4 1 5 1 95 1 2 31 3 1 2 1 40 41 42 43 44 45 46 48 50 51 53 55 56 57 60 62 63 65 66 70 72 75 76 80 82 83 85 88 90 94 95 100 105 110 120 125 80 1 9 3 4 22 1 4 42 1 1 4 1 3 64 3 5 9 4 13 1 2 1 20 2 2 2 1 5 1 2 17 1 2 6 2 128 130 143 150 155 160 180 200 230 300 890 920 1 1 1 1 1 1 1 2 1 1 1 1

【问题讨论】：

评论不用于扩展讨论；这个对话是moved to chat。

标签： r dplyr plyr

【解决方案1】：

请注意，如果您返回NA，那么is.numeric 将返回FALSE：试试is.numeric(NA) 看看这个。

您可以改为返回NA_real_

is.numeric(NA)
[1] FALSE
is.numeric(NA_real_)
[1] TRUE

虽然它仍然是一个 NA：

is.na(NA_real_)
[1] TRUE

但是，as.numeric 也应该解决这个问题（也许在给定输入的情况下仔细检查函数返回给 ddply 的内容）

【讨论】：

谢谢你，@Glen_b ！原来我在原始代码中使用了不正确的函数。当我更新函数时，我收到一条新的错误消息，上面写着“shapiro.test(input$Size) 中的错误：所有 'x' 值都是相同的”。我在网站上看到了一些类似的问题，但似乎没有什么能解决我的问题。如果您有任何想法，我将不胜感激！

【解决方案2】：

好的，感谢我在 cmets 中获得的帮助，我能够通过更新要读取的函数的代码来解决这个问题：

shap.w <- function(input){           #shapiro-wilks test function 
if(length(unique((input$Size[!is.na(input)]))) > 3 
& length(unique((input$Size[!is.na(input)])))< 5000 ){
p <- shapiro.test(input$Size)$p.value
return(p)}else{return(NA)} }

这会删除小于 3 / 大于 5000 的组合（尽管我在此数据集中不会有任何大于 5,000 的组合）。一旦我更新了这个，下一行运行没有任何问题。谢谢大家的帮助！

【讨论】：