我为我的数据集的子类别执行了几次wilcoxon测试。 R执行这些测试，但每次测试都会显示一个大输出。我希望有一个输出，例如以表格的形式总结所有14个wilcoxon测试，以整洁的方式（分析子集的名称，测试统计值，p值，结果，例如替代假设：......）
我已经尝试了很多在网上找到的技巧，但由于我不太熟悉R，我无法分析问题，它根本无法正常工作而且朋友告诉我：“stackoverflow是你的朋友。请求帮助！”。你能帮我进一步吗？
最好，罗马
这是我为获取输出而执行的代码：
strFlaecheNames<-c(df_summary$Flaeche)
varResult<-array(vector("list",10000),1000)
for(i in 1:14){
varResult[i]<-wilcox.test(df1$y,data=df1,subset(df1$y, df1$x == strFlaecheNames[i]))
print((wilcox.test(df1$y,data=df1,subset(df1$y, df1$x == strFlaecheNames[i]))))
}
我的14个输出之一看起来像这样：
Wilcoxon rank sum test with continuity correction
data: df1$y and subset(df1$y, df1$x == strFlaecheNames[i])
W = 1170300, p-value = 4.888e-13
alternative hypothesis: true location shift is not equal to 0
这是一个代码示例，我也有repx的形式，但我有点不能发布但是因为代码工作，我想可以发布它吗？：
ed_exp2 <- structure(list(x = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 7L, 7L, 7L, 7L, 7L, 7L,
7L, 7L, 7L, 7L, 7L, 7L, 7L), .Label = c("Area1", "Area10", "Area11",
"Area12", "Area13", "Area14", "Area2", "Area3", "Area4", "Area5",
"Area6", "Area7", "Area8", "Area9"), class = "factor"), y = c(0L,
0L, 1L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 0L, 1L, 1L, 2L, 1L,
2L, 0L, 1L, 0L, -2L, 2L, 0L, 2L, 1L, 2L, 2L, -2L, 0L, 0L)), .Names = c("x",
"y"), row.names = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L,
11L, 12L, 13L, 14L, 15L, 16L, 17L, 18L, 169L, 170L, 171L, 172L,
173L, 174L, 175L, 176L, 177L, 178L, 179L, 180L, 181L), class = "data.frame")
#load libraries
library("stats")
library("dplyr")
library("ggpubr")
library("tidyverse")
library("reprex")
strAreaNames<-c("Area1","Area2")
##required size of memory for output unclear - therefore "10000),1000)"
varResult<-array(vector("list",10000),1000)
#run wilcox.test
for(i in 1:2){
varResult[i]<-wilcox.test(ed_exp2$y,data=ed_exp2,subset(ed_exp2$y, ed_exp2$x == strAreaNames[i]))
print((wilcox.test(ed_exp2$y,data=ed_exp2,subset(ed_exp2$y, ed_exp2$x == strAreaNames[i]))))
}
是的，R中的大多数统计函数返回某种嵌套列表，通常是因为它们的输出比单个数据行更复杂。 broom包旨在获取最常见的统计函数（lm等）的主要输出，并将它们“整理”到数据行中。
如果我理解正确，你想测试y水平内的平均x是否与y的总体平均值不同，使用未配对的wilcox.test（秩和检验）进行平均值的比较。我不确定这是一件有意义的事情，因为你的样本显然不是独立的，但无论如何我都会告诉你如何去做。
wilcox.test的输出library(broom)
tidy(wilcox.test(90:100, 94:100, exact = FALSE))
# A tibble: 1 x 4
statistic p.value method alternative
<dbl> <dbl> <chr> <chr>
1 24.5 0.220 Wilcoxon rank sum test with continuity correction two.sided
tibble是一种稍微好一点的数据框架，是tidyverse的一部分。
工作原理：如?wilcox.test所述，该函数实际返回一个列表：
> str(wilcox.test(90:100, 94:100, exact = FALSE))
List of 7
$ statistic : Named num 24.5
..- attr(*, "names")= chr "W"
$ parameter : NULL
$ p.value : num 0.22
$ null.value : Named num 0
..- attr(*, "names")= chr "location shift"
$ alternative: chr "two.sided"
$ method : chr "Wilcoxon rank sum test with continuity correction"
$ data.name : chr "90:100 and 94:100"
- attr(*, "class")= chr "htest"
broom包只提取适合数据帧行的主要部分。
现在，您希望为x（Area1，Area2等）的每个唯一值执行此操作，然后在数据框中收集结果，该数据框显示每个结果的子集。在基础R中有很多种方法可以做到这一点;这是一个：
# Example data frame (I'm calling it "d" for brevity)
d <- data.frame(x = c("Area1", "Area1", "Area1", "Area2", "Area2"), y = c(1, 2, 3, 2, 3))
# Empty list to hold our results
L <- list()
for (i in unique(d$x)) {
# Run Wilcoxon test, "tidy" the result, and assign it to element i of L
L[[i]] <- tidy(wilcox.test(d$y, d[d$x == i, "y"], exact = FALSE))
}
L
# Combine the results
results <- do.call(rbind, L) # Same as rbind(L[[1]], L[[2]], ...)
# Add a column identifying the subsets
results$area <- names(L)
results
# A tibble: 2 x 5
statistic p.value method alternative area
* <dbl> <dbl> <chr> <chr> <chr>
1 8.5 0.875 Wilcoxon rank sum test with continuity correction two.sided Area1
2 4 0.834 Wilcoxon rank sum test with continuity correction two.sided Area2
split-apply-combine工作流程非常常见，但在基础R中实现起来有些麻烦.tidyverse / dplyr方式更简洁，通过一些练习，更容易阅读：
library("tidyverse")
library("broom")
d %>%
group_by(x) %>%
do(wilcox.test(d$y, .$y, exact = FALSE) %>% tidy)
# A tibble: 2 x 5
# Groups: x [2]
x statistic p.value method alternative
<fct> <dbl> <dbl> <chr> <chr>
1 Area1 8.5 0.875 Wilcoxon rank sum test with continuity correction two.sided
2 Area2 4 0.834 Wilcoxon rank sum test with continuity correction two.sided
笔记：
%>%是语法糖：x %>% f(a)意味着f(x, a)。这样可以更容易地以可读的方式编写嵌套函数调用。阅读pipes手册以获得更深入的了解。d$y来获得所有y，无论group_by，但这是一个例外。再次阅读手册。do()中的点是指数据帧的当前子集，因此.$y是当前组中的y。