Как выполнить KS.test в кадре данных в R по группам

Я хочу выполнить двухвыборочные тесты Колмогорова-Смирнова (KS) в R для примера «данных» ниже:

    Protein1    Protein2    Protein3    Protein4    Protein5    Protein6    Protein7    Protein8    Group
Sample1 0.56    1.46    0.64    2.53    1.96    305.29  428.41  113.22  Control
Sample2 0.75    2.29    0.38    4.31    1.72    307.95  492.58  82.75   Control
Sample3 2.05    1.73    2.42    14.75   2.92    523.92  426.94  131.51  Control
Sample4 1.71    5.37    0.68    6.39    2.02    343.05  435.16  123.12  Control
Sample5 13.31   0.94    1.21    3.83    2.83    313.71  327.84  66.8    Control
Sample6 0.36    1.81    0.42    2.25    1.48    335.23  352.55  93.81   Control
Sample7 0.28    3.26    0.49    2.62    1.96    251.49  468.19  80.27   Control
Sample8 1.62    17.01   0.49    2.87    1.7 254.79  402.9   86.8    Control
Sample9 0.59    2.64    0.18    2.93    1.23    388.87  384.53  109.52  Control
Sample10    1.67    3.75    0.43    3.89    1.83    306.28  440.86  97.55   Control
Sample11    15.53   12.02   0.57    1.81    2.31    328.56  352.98  118.18  Control
Sample12    0.94    7.06    35.77   4.98    2.44    389.14  376.18  119.75  Control
Sample13    2.07    1.73    0.38    3.89    2.56    233.81  377.21  72.1    Control
Sample14    3.2 1.38    0.5 4.05    2.51    406.57  538.57  209.16  Patient
Sample15    1.33    2.17    0.46    3.31    1.72    278.04  276.37  79.4    Patient
Sample16    1.48    2.9 0.84    9.27    1.94    332.76  413.66  99.09   Patient
Sample17    2.02    1.96    0.25    4.16    1.96    358.73  383.63  107.46  Patient
Sample18    2.94    2   0.27    3.99    2.55    354.78  493.02  145.36  Patient
Sample19    1.01    8.1 0.35    3.65    1.62    335.18  264.74  145.15  Patient
Sample20    6.95    15.48   2.94    3.64    2.3 307.23  484.38  119.61  Patient
Sample21    0.52    1.38    0.56    3.08    1.86    244.3   304.74  76.87   Patient
Sample22    0.35    2.17    0.38    4.51    2.09    304.68  369.98  151.76  Patient
Sample23    2.26    2.9 0.3 4.44    2.43    302.51  367.51  150.69  Patient
Sample24    3.19    1.96    0.81    2.94    2.15    309.59  362.18  133.49  Patient
Sample25    1.12    2   0.71    3.77    2.42    334.36  358.9   131.35  Patient
Sample26    5.28    8.1 0.81    22.84   2.35    422.18  369.71  76.35   Patient

Вот код для выполнения теста KS между двумя отдельными столбцами:

> ks.test(data$Protein1, data$Protein2, data=data)

    Two-sample Kolmogorov-Smirnov test

data:  data$Protein1 and data$Protein2
D = 0.42308, p-value = 0.01905
alternative hypothesis: two-sided

Warning message:
In ks.test(data$Protein1, data$Protein2, data = data) :
  cannot compute exact p-value with ties

Однако я хочу сделать это по столбцам и по группам. Например, это легко сделать для t.test или wilcox.test, так как вы можете кодировать как t.test (y1, y2) или t.test (y ~ x) #, где y - числовое, а x - двоичное. фактор Но для ks.test нет кода, когда речь идет о двоичном множителе. Может кто-нибудь помочь с этим?

В конце концов, я хочу сделать это для всего фрейма данных для всех белков, что-то вроде того, что я мог бы успешно сделать для t-теста, но хотел бы сделать для ks.test следующим образом:

t_tests <- lapply(
  data[, -1], # apply the function to every variable *other than* the first one (group)
  function(x) { t.test(x ~ HealthGroups, data = data) }
)

Любая помощь приветствуется. Заранее спасибо.


r kolmogorov-smirnov
person Letin    schedule 14.06.2019    source источник

Ответы (1)


arrow_upward
4
arrow_downward

Вот очень простой способ сделать это. Здесь используется цикл, который обычно не одобряется в кругах R. Тем не менее, это очень просто и не требует пояснений, что может быть плюсом для новых пользователей, и нет проблемы с тем, что циклы будут слишком медленными в такой ситуации. (Обратите внимание, что вы можете поработать с этим, чтобы использовать lapply(), если хотите, но это все еще цикл, он просто выглядит по-другому снаружи.)

Просто создайте два новых подмножества фрейма данных с одинаковыми переменными. Затем переберите фреймы данных, вызывая ks.test. Вывод не очень удобен для пользователя, я просто скажу j, поэтому я добавляю вызов ? writeLines, чтобы вывести имя тестируемой переменной.

# I am assuming the original data frame is called d
dc <- d[d$Group=="Control",]
dp <- d[d$Group=="Patient",]
for(j in 1:8){  
  writeLines(names(dc)[j])
  print(ks.test(dc[,j], dp[,j]))  
}
# Protein1
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.30769, p-value = 0.5882
# alternative hypothesis: two-sided
# 
# Protein2
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.23077, p-value = 0.8793
# alternative hypothesis: two-sided
# 
# Protein3
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.23077, p-value = 0.8793
# alternative hypothesis: two-sided
# 
# Protein4
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.46154, p-value = 0.1254
# alternative hypothesis: two-sided
# 
# Protein5
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.23077, p-value = 0.8793
# alternative hypothesis: two-sided
# 
# Protein6
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.15385, p-value = 0.9992
# alternative hypothesis: two-sided
# 
# Protein7
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.38462, p-value = 0.2999
# alternative hypothesis: two-sided
# 
# Protein8
# 
#   Two-sample Kolmogorov-Smirnov test
# 
# data:  dc[, j] and dp[, j]
# D = 0.46154, p-value = 0.1265
# alternative hypothesis: two-sided
# 
# Warning messages:
# 1: In ks.test(dc[, j], dp[, j]) : cannot compute exact p-value with ties
# 2: In ks.test(dc[, j], dp[, j]) : cannot compute exact p-value with ties
# 3: In ks.test(dc[, j], dp[, j]) : cannot compute exact p-value with ties
# 4: In ks.test(dc[, j], dp[, j]) : cannot compute exact p-value with ties

Это создаст фрейм данных для размещения результатов:

dk <- data.frame(Protein=character(8), D=numeric(8), p=numeric(8), stringsAsFactors=F)
for(j in 1:8){  
  k <- ks.test(dc[,j], dp[,j])
  dk$Protein[j] <- names(dc)[j]
  dk$D[j]       <- k$statistic
  dk$p[j]       <- k$p.value
}
dk
#    Protein         D         p
# 1 Protein1 0.3076923 0.5881961
# 2 Protein2 0.2307692 0.8793244
# 3 Protein3 0.2307692 0.8793244
# 4 Protein4 0.4615385 0.1253895
# 5 Protein5 0.2307692 0.8793244
# 6 Protein6 0.1538462 0.9992124
# 7 Protein7 0.3846154 0.2999202
# 8 Protein8 0.4615385 0.1264877
person gung - Reinstate Monica    schedule 14.06.2019
comment
Большое спасибо. Это действительно помогает. Я просто хочу спросить, не могли бы вы помочь мне преобразовать его в матрицу. С помощью кода t-теста, который я предоставил выше, он привел к списку, который я мог исключить из списка и предоставить имена столбцов и имена. В этом случае результаты представлены в виде строк комментариев, а не списка. Возможно ли, чтобы мой конечный результат выглядел так: Белок 1, 2, 3 и т. Д. В строках, а имена столбцов должны содержать соответствующие столбцы: D и p-значение. - person Letin; 14.06.2019
comment
@Letin, посмотрите документацию для ? ks.test: в разделе Значение он сообщает вам, что выводит функция. Если вы назначаете вывод переменной, вместо того, чтобы печатать ее, вы можете извлечь статистику (D) и p-значение и назначить их списку, матрице или фрейму данных и т. Д. (Вам, вероятно, больше всего понравится последнее , потому что у вас может быть переменная с именами белков. - person gung - Reinstate Monica; 14.06.2019
comment
Спасибо за эту информацию @gung. Я попробую это. - person Letin; 14.06.2019