使用`dplyr :: group_by()获取几个组的`chisq.test()$ p.value`

Question

我正在尝试对dplyr框架内的几个组进行卡方检验.问题是, group_by() %>% summarise()似乎没有办法.

模拟数据(与有问题的数据结构相同,但随机,因此p值应该很高)

set.seed(1)
data.frame(partido=sample(c("PRI", "PAN"), 100, 0.6),
       genero=sample(c("H", "M"), 100, 0.7), 
       GM=sample(c("Bajo", "Muy bajo"), 100, 0.8)) -> foo

我想比较GM定义的几个组,看看partido和genero的交叉表的p.values是否有变化,以GM为条件.

明显的dplyr方式应该是:

foo %>% 
  group_by(GM) %>% 
  summarise(pvalue=chisq.test(.$partido, .$genero)$p.value)  #just the p.value, so summarise is happy

但是我得到了未分组数据的p.values,只是时间,而不是每个表的p.value:

# A tibble: 2 × 2 GM pvalue <fctr> <dbl> 1 Bajo 0.8660521 2 Muy bajo 0.8660521

使用过滤器测试每个组我得到:

foo %>% 
  filter(GM=="Bajo") %$% 
  table(partido, genero) %>% 
  chisq.test()

返回: X-squared = 0.015655, df = 1, p-value = 0.9004

foo %>% 
  filter(GM=="Muy bajo") %$% 
  table(partido, genero) %>% chisq.test()

返回: X-squared = 0.50409, df = 1, p-value = 0.4777

dplyr:summarise() 使用具有多个参数的函数,所以这不应该是问题:

data.frame(a=1:10, b=10:1, c=sample(c("Grupo 1", "Grupo 2"), 10, 0.5)) %>% 
    group_by(c) %>% 
    summarise(r=cor(a, b))

像魅力一样工作.它似乎与chisq.test无关.

我设法得到我想要使用嵌套模型tidyr::nest()和purrr::map(),但我发现我的学生的代码繁琐--at最少.实际上,我已经投入了很多我们教他们(一个非常数学和编程挑战的小组)dplyr所以他们可以尽可能地避免矢量函数.

foo %>% 
  nest(-GM) %>% 
  mutate(tabla=map(data, ~table(.))) %>% 
  mutate(pvalue=map(tabla, ~chisq.test(.)$p.value)) %>% 
  select(GM, pvalue) %>% 
  unnest()

A tibble: 2 × 2
       GM   pvalue
    <fctr>  <dbl>
1     Bajo  0.9004276
2 Muy bajo  0.4777095

do() 这也是诀窍:

foo %>% 
  group_by(GM) %>% 
  do(tidy(chisq.test(.$partido, .$genero)))

Source: local data frame [2 x 5]
Groups: GM [2]
    GM statistic   p.value parameter
<fctr>     <dbl>     <dbl>     <int>
1     Bajo 0.0156553 0.9004276         1
2 Muy bajo 0.5040878 0.4777095         1
# ... with 1 more variables: method <fctr>

如:费舍尔和皮尔逊对独立性的考验

但是,¿为什么不能group_by()用summarise(chisq.test()$p.value)？

Answer 1

在dplyr通常可以只使用不带引号的变量名称来访问相关列,无论你在一个GROUPBY或其他.所以删除.$访问者.$partido和.$genero不需要的访问者我得到:

foo %>% 
    group_by(GM) %>% 
    summarise(pvalue= chisq.test(partido, genero)$p.value) 

# A tibble: 2 × 2
        GM    pvalue
    <fctr>     <dbl>
1     Bajo 0.9004276
2 Muy bajo 0.4777095