r语言 - 如何创建一个循环或函数来循环浏览包含变量的两个向量的列表，以对响应运行 KS 测试

Question

为了方便起见，我简化并概括了这个问题的代码。

所以我的问题(R是(是我正在尝试循环浏览一组Kolmogorov Smirnov ks.boot测试，用于跨两个因素的多个级别。我需要对向量 df.test$names 的每个级别的数据进行子集化(例如，代表物种名称的 W、X、Y 和 Z(，然后循环比较每个级别之间的长度分布 df.test$TSM。事实(例如 A、B、C 等代表时间段(。

因此，对于df.test$names中的每个级别(例如W，X，Y，Z(，我需要比较不同时间段A与B的长度分布;然后是A与C，然后是B与C，并将每个结果保存在数据帧中;记录比较发生的位置。

#for ease create the data##
df.fact <- data.frame("A"=abs(rnorm(1000, mean = 350, sd=160)),"B"= abs(rpois(n = 1000, lambda = 50)), "C"=abs(rnorm(1000, mean = 200, sd=80)), names=rep(factor(LETTERS[23:26]), 1000))
library(reshape2)
df.test<-melt(df.fact, id.vars = "names", value.name = "Length2")
names(df.test)[names(df.test) =="variable"] <- "TSM.FACT"
names(df.test)[names(df.test) =="value"] <- "length2"
dfX <-subset(df.test, names == c("X"))
A <-subset(dfX , TSM.FACT  == c("A"))
B <-subset(dfX , TSM.FACT  == c("B"))
C <-subset(dfX , TSM.FACT  == c("C"))
KS.XAB <- ks.boot(A$length2,B$length2, nboots=5000)
KS.XAC <- ks.boot(A$length2,C$length2, nboots=5000)
KS.XBC <- ks.boot(B$length2,C$length2, nboots=5000)
summary(KS.XAB)
summary(KS.XAC)
summary(KS.XBC)
dfY<-subset(df.test, names == c("Y"))
A <-subset(dfY , TSM.FACT  == c("A"))
B <-subset(dfY , TSM.FACT  == c("B"))
C <-subset(dfY , TSM.FACT  == c("C"))
KS.YAB <- ks.boot(A$length2,B$length2, nboots=5000)
KS.YAC <- ks.boot(A$length2,C$length2, nboots=5000)
KS.YBC <- ks.boot(B$length2,C$length2, nboots=5000)
summary(KS.YAB)
summary(KS.YAC)
summary(KS.YBC)
#AND REPEAT FOR Z#

Answer 1

准备所有名称模式，TSM。事实1，TSM。FACT2，您可以通过类似循环的方法轻松完成所有测试。

这是我的例子：

library(tibble); library(tidyr); library(dplyr); library(purrr)
# preparing all pattern
comb_d <- df.test %>% 
as_tibble() %>%       # conv to tibble
group_by(names) %>% 
summarize(TSM.FACT = list(unique(as.character(TSM.FACT)))) %>%   # get unique TSM.FACT as vector
mutate(comb_ = map(TSM.FACT,
~ {
.x %>%           # calculate all combination by combn()
combn(2) %>%   # output is row:2 x col:n matrix
t() %>% 
as_tibble()   # conv to row:n x col:2 tibble
})) %>% 
dplyr::select(names, comb_) %>% 
# unnest(names(.)) %>%   # for tidyr v1.0.0
unnest() %>%             # for tidyr under v1.0.0
set_names("names_", "TSM.FACT1", "TSM.FACT2") # chage colnames

# making data and do ks.test line by line
comb_d <- comb_d %>%               # I typo the below line, sorry.
mutate(ks_res = pmap(list(names_, TSM.FACT1, TSM.FACT2),    # making data sets using 3rows
function(names_, TSM.FACT1, TSM.FACT2){
temp <- df.test %>% 
filter(names == names_)  # LIKE subset(df.test, names == c("X"))
d1 <- temp %>% 
filter(TSM.FACT == TSM.FACT1) %>%   # LIKE subset(dfX , TSM.FACT  == c("A"))
pull(Length2)  # pull the col as vector
d2 <- temp %>% 
filter(TSM.FACT == TSM.FACT2) %>% 
pull(Length2)
Matching::ks.boot(d1, d2, nboots = 5000)  # do ks.boot
}))
# you can access the result such like
comb_d$ks_res[[1]] %>% 
summary()
# or
comb_d %>% 
filter(names == "X", TSM.FACT1 == "A", TSM.FACT2 == "B") %>% 
pluck("ks_res")