我有一个包含数千个样本的csv，应该比较不同处理后的基因表达：
ID U1 U2 U3 H1 H2 H3
1 5.95918 6.07211 6.01437 5.89113 5.89776 5.95443
2 6.56789 5.98897 6.67844 5.78987 6.01789 6.12789
..
我被要求做曼恩·惠特尼（Mann Whitney）u测试，当我使用它时，R正在给我结果：
results <- apply(data,1,function(x){wilcox.test(x[1:3],x[4:6])$pvalue})
但是，我只得到0.1或0.5之类的值。
当我添加时，alternative ="greater"我得到的值为0.35000或0.05000，而一些样本得到的p值为0.14314（这是我可以接受的值）。所以我想知道为什么R给我这样奇怪的pvalues（0.35000，..），以及如何解决它以获得“正常” pvalues。
您正在执行非参数测试，其中测试统计信息是从排名中得出的。样本大小为3时，测试统计信息只有几个可能的不同值。
例：
set.seed(42)
x <- matrix(rnorm(3000), ncol=6)
ps <- apply(x, 1, function(a) wilcox.test(a[1:3], a[4:6])$p.value)
table(ps)
#ps
#0.1 0.2 0.4 0.7 1
# 54 45 108 141 152