使用切换的行/列对两个不同的数据帧进行 t 检验？

Question

对不起，这个令人困惑的标题，这个有点难以描述。基本上，我有两个类似这样的数据表：

df1 <- data.frame(SNP=c("W", "X", "Y", "Z"),
                  Gene.ID=c("A", "B", "C", "B"), pval=NA)
df2 <- data.frame(W=c(1, 0, 1), X=c(1, 1, 0), Y=c(0, 0, 1), Z=c(1, 0, 1),
                  A=c(3.5, 2.5, 3.5), C=c(4.5, 2.5, 1.5), B=c(1.5, 2.5, 1.5))

所以 df1 中的所有条目都对应 df2 中的列名。我的目标是用 t 检验的 p 值填充 df1$pval。对于 df1 中的每一行，我想做一个 t 检验，比较匹配 df1$SNP 值的 df2 列，并将其与匹配 df1$Gene.ID 值的 df2 列进行比较。

例如，对于 df1 中的第一行，我想比较 df2$W 与 df2$A，然后在 df1[1, 3] 中返回结果 p 值。对于第二行，我将比较 df2$X 与 df2$B 并返回 df1[2, 3] 中的 p 值。换句话说，是这样的：

for (i in 1:nrow(df1)){
  test <- t.test(df2[,which(colnames(df2)==df1[i, 1]] ~ df2[,which(colnames(df2)==df1[i, 2]])
  df1[i, 3] <- test$p.value
}

但这不起作用，因为您只能使用colnames 函数选择多个列名，而不仅仅是单个列名。非常感谢有关如何解决此问题的建议 - 或者如果您有更简单的方法，那也很棒。

Answer 1

这里使用which(colnames(df2)...) 可能不是最佳选择，因为您要做的就是选择df2 中以df1[i,1] 或df1[i,2] 作为名称的列。

在 R 中，按名称选择列的一种方法是使用双括号：例如df2[["A"]] 将检索df2 的列A，这似乎是您想要的，并且比df2[, which(colnames(df2) == "A")] 更简单。

考虑到这一点，您可以像这样重写您的代码：

for (i in 1:nrow(df1)){
  test <- t.test(df2[[df1[i, 2]]] ~ df2[[df1[i, 1]]])
  df1[i, 3] <- test$p.value
} 

请注意，我切换了df1[i, 1] 和df1[i, 2]，因为t.test 的文档指出二进制变量必须位于右侧。

lhs ~ rhs 形式的公式，其中 lhs 是一个数值变量，给出数据值，rhs 是一个因子，具有两个级别，给出相应的组

Answer 2

我不明白你为什么认为这行不通——我认为你的代码只是有语法错误。以下代码似乎可以正常工作（注意使用 sapply 的更改，这在 R 中更为传统）：

df1[, 3] <- sapply(seq_len(nrow(df1)), 
  function(i) {
    test <- t.test(
      df2[, which(colnames(df2) == df1[i, 1])],
      df2[, which(colnames(df2) == df1[i, 2])])
    test$p.value
  })