Wie schreibe ich eine Schleife um den T-Test eines Datenrahmens zu starten?

Question

Ich habe ein Problem mit einem T-Test für einige Daten in einem Datenrahmen ausgeführt. Ich weiß, wie man es nacheinander tut, aber überhaupt nicht effizient. Darf ich fragen, wie man eine Schleife schreibt, um es zu tun?

Zum Beispiel habe ich die Daten in der Testdata bekam:

testData <- dput(testData) 
structure(list(Label = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L 
), .Label = c("Bad", "Good"), class = "factor"), F1 = c(0.647789237, 
0.546087915, 0.461342005, 0.794212207, 0.569199511, 0.735685704, 
0.650942066, 0.457497016, 0.808619288, 0.673100668, 0.68781739, 
0.470094549, 0.958591821, 1, 0.46908343, 0.578755283, 0.289380462, 
0.685117658, 0.296011479, 0.208821225, 0.461487258, 0.176144907, 
0.325684001), F2 = c(0.634327378, 0.602685034, 0.70643658, 0.577336318, 
0.61069332, 0.676176013, 0.685433524, 0.601847779, 0.641738937, 
0.822097452, 0.549508092, 0.711380436, 0.605492874, 0.419354439, 
0.654424433, 0.782191133, 0.826394651, 0.63269692, 0.835389099, 
0.760279322, 0.711607982, 1, 0.858631893), F3 = c(0.881115444, 
0.850553659, 0.855405201, 0.732706141, 0.816063806, 0.841134018, 
0.899594853, 0.788591779, 0.767461265, 0.954481259, 0.840970764, 
0.897785959, 0.789288481, 0.604922471, 0.865024811, 0.947356946, 
0.96622214, 0.879623595, 0.953189022, 0.960153373, 0.868949632, 
1, 0.945716439), F4 = c(0.96939781, 0.758302, 0.652984943, 0.803719964, 
0.980135127, 0.945287339, 0.84045753, 0.926053105, 0.974856922, 
0.829936068, 0.89662815, 0.823594767, 1, 0.886954348, 0.825638185, 
0.798524271, 0.524755093, 0.844685467, 0.522120663, 0.388604114, 
0.725126521, 0.46430556, 0.604943457), F5 = c(0.908895247, 0.614799496, 
0.529111461, 0.726753028, 0.942601677, 0.86641298, 0.75771251, 
0.88237302, 1, 0.817706498, 0.834060845, 0.813550164, 0.927107922, 
0.827680764, 0.797814872, 0.768118872, 0.271122929, 0.790632558, 
0.391325631, 0.257446927, 0.687042673, 0.239520504, 0.521753545 
), F6 = c(0.589651031, 0.170481902, 0.137755423, 0.24453692, 
0.505348067, 0.642589538, 0.308854104, 0.286913756, 0.60756673, 
0.531315171, 0.389958915, 0.236113471, 1, 0.687877983, 0.305962183, 
0.40469629, 0.08012222, 0.376774451, 0.098261016, 0.046544022, 
0.201513755, 0.02085411, 0.113698232), F7 = c(0.460358642, 0.629499543, 
0.598616653, 0.623674078, 0.526920757, 0.494086383, 0.504021253, 
0.635105287, 0.558992452, 0.397770725, 0.543528957, 0.538542617, 
0.646897446, 0.543646493, 0.47463817, 0.385081029, 0.555731206, 
0.43769237, 0.501754893, 0.586155312, 0.496028109, 1, 0.522921361 
), F8 = c(0.523850222, 0.448936418, 0.339311791, 0.487421437, 
0.462073661, 0.493421514, 0.464091025, 0.496938844, 0.5817454, 
0.474404602, 0.720114482, 0.493098785, 1, 0.528538582, 0.478233718, 
0.2695123, 0.362377901, 0.462252858, 0.287725327, 0.335584366, 
0.397324649, 0.469082387, 0.403397835), F9 = c(0.481230473, 0.349419856, 
0.309729777, 0.410783763, 0.465172146, 0.520935471, 0.380916463, 
0.422238573, 0.572283353, 0.434705384, 0.512705279, 0.358892539, 
1, 0.606926979, 0.370574926, 0.319739889, 0.249984729, 0.381053882, 
0.245597953, 0.22883148, 0.314061676, 0.233511631, 0.269890359 
), F10 = c(0.592403628, 0.249811036, 0.256613757, 0.305839002, 
0.497637944, 0.601946334, 0.401643991, 0.302626606, 0.623582766, 
0.706254724, 0.435846561, 0.324357521, 1, 0.740362812, 0.402588813, 
0.537414966, 0.216458806, 0.464852608, 0.251228269, 0.181500378, 
0.31840514, 0.068594104, 0.253873772), F11 = c(0.490032261, 0.366486136, 
0.336749996, 0.421899324, 0.479339762, 0.527364467, 0.398297911, 
0.432190187, 0.584030586, 0.453666402, 0.526861753, 0.388880674, 
1, 0.615835576, 0.39058525, 0.350811433, 0.290220147, 0.397424867, 
0.288095106, 0.274852912, 0.340129804, 0.271099396, 0.305499273 
)), .Names = c("Label", "F1", "F2", "F3", "F4", "F5", "F6", "F7", 
"F8", "F9", "F10", "F11"), class = "data.frame", row.names = c(NA, 
-23L)) 

Ich brauche den t-Test für jede Spalte mit zwei unabhängigen Gruppen, dh „gut“ gegen „Bad“ laufen mehrere Funktionen "F1" bis "F11". Ich habe versucht, etwas wie:

GoodF1 <- subset(testData, Label == 'Good', select=c("F1")) 
BadF1 <- subset(testData, Label == 'Bad', select=c("F1")) 
t.test(GoodF1$F1,BadF1$F1) 

Und dann tun Sie den Rest von "F2" zu "F11", aber offensichtlich nicht effizient. Ich schätze wirklich, wenn Sie bessere Ideen haben, es in einer Schleife zu laufen. Vielen Dank.

Answer 1

Hier ist eine einfache Lösung, die keine zusätzlichen Pakete benötigt:

lapply(testData[-1], function(x) t.test(x ~ testData$Label)) 

testData[-1] Hier bezieht sich auf alle Spalten der testData aber die erste (der die Etiketten enthält). Negative Indizierung wird zum Ausschluss von Daten verwendet.

Answer 2

Das ist ziemlich einfach mit so etwas wie lapply oder ldply aus dem plyr Paket:

library(plyr) 
cols_to_test <- c("F1", "F2", "F3") 
results <- ldply(
    cols_to_test, 
    function(colname) { 
    t_val = t.test(testData[[colname]] ~ testData$Label)$statistic 
    return(data.frame(colname=colname, t_value=t_val)) 
    }) 

Welche Ergebnisse werden bis ordentlich in einem Datenrahmen Paket:

colname t_value 
1  F1 -3.639136 
2  F2 3.735834 
3  F3 4.303688 

Answer 3

ich in ein, die Daten setzen langes Format, mit reshape2 dann verwende ich Ihren Code aber innerhalb einer lapply.

library(reshape2) 
dat <- melt(testData) 
lapply(unique(dat$variable),function(x){ 
     Good <- subset(dat, Label == 'Good' & variable ==x)$value 
     Bad <- subset(dat, Label == 'Bad' & variable ==x)$value 
     t.test(Good,Bad) 
}) 

Answer 4

Sie können die Formel-Schnittstelle t.test verwenden und lapply entlang der Spaltennamen zu wiederholen, um die Formeln zu bauen:

lapply(names(testData)[-1],function(x) 
      t.test(as.formula(paste(x,"Label",sep="~")), 
        data=testData)) 

[[1]] 

     Welch Two Sample t-test 

data: F1 by Label 
t = -3.6391, df = 13.969, p-value = 0.002691 
alternative hypothesis: true difference in means is not equal to 0 
95 percent confidence interval: 
-0.4519374 -0.1167204 
sample estimates: 
mean in group Bad mean in group Good 
     0.3776753   0.6620042 


[[2]] 

     Welch Two Sample t-test 

data: F2 by Label 
t = 3.7358, df = 12.121, p-value = 0.002796 
alternative hypothesis: true difference in means is not equal to 0 
95 percent confidence interval: 
0.06997617 0.26529723 
sample estimates: 
mean in group Bad mean in group Good 
     0.8008989   0.6332622 

... 

Answer 5

Das schien ein normales Szenario zu sein und ich lief ständig selbst darauf zu. Zu diesem Zweck gibt es jetzt ein Paket namens matrixTests. Also mit, dass Sie könnte einen t-Test tut auf jeder Spalte wie folgt:

library(matrixTests) 

goodMat <- testData[testData[,1]=="Good",-1] 
badMat <- testData[testData[,1]=="Bad",-1] 

result <- col_t_welch(goodMat, badMat) 

Ergebnisse für jede Spalte vorgestellt werden zeilenweise:

> result 
    obs.x obs.y obs.tot mean.x mean.y mean.diff  var.x  var.y  stderr  df statistic  pvalue conf.low conf.high alternative mean.null conf.level 
F1  15  8  23 0.6620042 0.3776753 0.2843289 0.030422051 0.032610380 0.07813088 13.969401 3.639136 0.0026907550 0.11672039 0.45193741 two.sided   0  0.95 
F2  15  8  23 0.6332622 0.8008989 -0.1676367 0.007950091 0.011868380 0.04487264 12.121463 -3.735834 0.0027964901 -0.26529723 -0.06997617 two.sided   0  0.95 
F3  15  8  23 0.8256733 0.9401514 -0.1144781 0.006957733 0.001949685 0.02659999 20.988353 -4.303688 0.0003146478 -0.16979764 -0.05915849 two.sided   0  0.95 
F4  15  8  23 0.8742631 0.6091331 0.2651299 0.009285928 0.027017832 0.06321622 9.639523 4.194017 0.0020007742 0.12355816 0.40670172 two.sided   0  0.95 
F5  15  8  23 0.8164387 0.4908705 0.3255682 0.015196701 0.054574685 0.08851525 9.132819 3.678104 0.0049648236 0.12577586 0.52536063 two.sided   0  0.95 
F6  15  8  23 0.4429950 0.1678080 0.2751870 0.055993325 0.021810423 0.08036909 20.281178 3.424040 0.0026474215 0.10768889 0.44268512 two.sided   0  0.95 
F7  15  8  23 0.5450866 0.5606705 -0.0155839 0.005238405 0.035530607 0.06921382 8.119018 -0.225156 0.8274218437 -0.17478492 0.14361711 two.sided   0  0.95 
F8  15  8  23 0.5328120 0.3734072 0.1594048 0.023064998 0.005458074 0.04711609 20.936316 3.383236 0.0028151348 0.06140341 0.25740625 two.sided   0  0.95 
F9  15  8  23 0.4797677 0.2803339 0.1994337 0.027905214 0.002845209 0.04707440 18.511452 4.236565 0.0004696924 0.10072958 0.29813785 two.sided   0  0.95 
F10 15  8  23 0.4961010 0.2865410 0.2095600 0.045493711 0.023072590 0.07692196 18.972832 2.724320 0.0134746988 0.04854491 0.37057514 two.sided   0  0.95 
F11 15  8  23 0.4941480 0.3147666 0.1793814 0.025996108 0.001953517 0.04446643 17.527205 4.034086 0.0008157456 0.08577994 0.27298287 two.sided   0  0.95 

Für p-Werte gibt es eine Spalte mit dem Namen PValue:

> result$pvalue 
[1] 0.0026907550 0.0027964901 0.0003146478 0.0020007742 0.0049648236 0.0026474215 0.8274218437 0.0028151348 0.0004696924 0.0134746988 0.0008157456