我承认tidyverse已经脱离了R语言的范畴

邓飞

发布于 2022-05-19 09:49:54

6480

发布于 2022-05-19 09:49:54

文章被收录于专栏：育种数据分析之放飞自我

最近知乎热议：R和Python谁更优雅的问题，或者谁更适合数据分析的问题，各种讨论，非常值得一看：

https://www.zhihu.com/question/527922200

别点了，微信不支持超链接！！！

就我个人而言，Python更适合写流程，平时建模都是用R语言处理好数据，交予第三方软件，最后用Python串起来。不得不说，R语言的tidyverse是真的好，非常高效。从某种角度，只学R语言没有接触过tidyverse的用户，看到R的代码，觉得它已经脱离了R语言的范畴！！！

最近在学习tidyverse，批量方差分析之前都是用for循环，然后用formula处理模型，再把结果保存为list的形式，现在学习了tidyverse的操作，可以用pivot_longer将所有性状进行长数据转化，然后用group_by和nest变为列表，最后用map进行批量建模，用tidy进行结果的整理，更加行云流水。下面我们通过代码来看一下。

看一下我最终的代码：

fm1 = fm %>% pivot_longer(-c(1:5),names_to = "trait",values_to = "y")
head(fm1)
fm1 %>% group_by(trait) %>% nest %>%
  mutate(model = map(data,~aov(y ~ Spacing + Rep, data=.))) %>% 
  mutate(result = map(model,~tidy(.))) %>% 
  unnest(result)

上面的代码，如果没有tidyverse的基础，是看不懂啥意思的，毕竟map，group_by，mutate，nest，unnest，tidy都是什么鬼是从来没见过的。

结果文件：

看一下需求：

> library(learnasreml)
> data(fm)
> str(fm)
'data.frame':  827 obs. of  13 variables:
 $ TreeID : Factor w/ 827 levels "80001","80002",..: 1 2 3 4 5 6 7 8 9 10 ...
 $ Spacing: Factor w/ 2 levels "2","3": 2 2 2 2 2 2 2 2 2 2 ...
 $ Rep    : Factor w/ 5 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ Fam    : Factor w/ 55 levels "70001","70002",..: 44 44 44 15 15 2 2 10 10 10 ...
 $ Plot   : Factor w/ 4 levels "1","2","3","4": 1 2 4 1 4 2 4 1 2 3 ...
 $ dj     : num  0.334 0.348 0.354 0.335 0.322 0.359 0.368 0.358 0.323 0.298 ...
 $ dm     : num  0.405 0.393 0.429 0.408 0.372 0.45 0.509 0.381 0.393 0.361 ...
 $ wd     : num  0.358 0.365 0.379 0.363 0.332 0.392 0.388 0.369 0.347 0.324 ...
 $ h1     : int  29 24 19 46 33 30 37 32 34 28 ...
 $ h2     : int  130 107 82 168 135 132 124 126 153 127 ...
 $ h3     : int  239 242 180 301 271 258 238 290 251 243 ...
 $ h4     : int  420 410 300 510 470 390 380 460 430 410 ...
 $ h5     : int  630 600 500 700 670 570 530 660 600 630 ...

数据共有827行数据，相对Fam进行方差分析。

比如对`dj`进行方差分析：可以看到Fam之间达到极显著水平。

问题来了，如果相对`dj`，`dm`……`h5`这些性状都进行方差分析，应该如何处理呢？当然可以一个性状做一个模型，我们更想批量处理一些。

首选当然是For循环：

# for
nn = names(fm)[-c(1:5)]

re = NULL
for(i in seq_along(nn)){
  # i = 1
  mod = aov(formula(paste0(nn[i],"~Fam + Rep")),data=fm)
  re[[i]] = summary(mod)
}
names(re) = nn
re

结果：

> re
$dj
# A tibble: 3 x 6
  term         df  sumsq   meansq statistic   p.value
  <chr>     <dbl>  <dbl>    <dbl>     <dbl>     <dbl>
1 Fam          54 0.0912 0.00169       3.52  9.85e-15
2 Rep           4 0.0319 0.00797      16.6   4.60e-13
3 Residuals   767 0.368  0.000480     NA    NA       

$dm
# A tibble: 3 x 6
  term         df  sumsq  meansq statistic     p.value
  <chr>     <dbl>  <dbl>   <dbl>     <dbl>       <dbl>
1 Fam          54 0.214  0.00396      2.12  0.00000996
2 Rep           4 0.0279 0.00696      3.73  0.00515   
3 Residuals   766 1.43   0.00187     NA    NA         

$wd
# A tibble: 3 x 6
  term         df  sumsq   meansq statistic   p.value
  <chr>     <dbl>  <dbl>    <dbl>     <dbl>     <dbl>
1 Fam          54 0.123  0.00227       3.86  3.83e-17
2 Rep           4 0.0469 0.0117       19.9   1.29e-15
3 Residuals   768 0.452  0.000588     NA    NA       

$h1
# A tibble: 3 x 6
  term         df  sumsq meansq statistic   p.value
  <chr>     <dbl>  <dbl>  <dbl>     <dbl>     <dbl>
1 Fam          54 13444.  249.       4.71  4.35e-23
2 Rep           4  4623. 1156.      21.9   4.06e-17
3 Residuals   768 40572.   52.8     NA    NA       

$h2
# A tibble: 3 x 6
  term         df   sumsq meansq statistic   p.value
  <chr>     <dbl>   <dbl>  <dbl>     <dbl>     <dbl>
1 Fam          54  82699.  1531.      2.05  2.31e- 5
2 Rep           4  65677. 16419.     22.0   3.11e-17
3 Residuals   768 572403.   745.     NA    NA       

$h3
# A tibble: 3 x 6
  term         df    sumsq meansq statistic   p.value
  <chr>     <dbl>    <dbl>  <dbl>     <dbl>     <dbl>
1 Fam          54  183935.  3406.      1.88  2.12e- 4
2 Rep           4  108005. 27001.     14.9   1.01e-11
3 Residuals   768 1393118.  1814.     NA    NA       

$h4
# A tibble: 3 x 6
  term         df    sumsq  meansq statistic   p.value
  <chr>     <dbl>    <dbl>   <dbl>     <dbl>     <dbl>
1 Fam          54  382898.   7091.      1.17  1.97e- 1
2 Rep           4  454090. 113523.     18.7   1.12e-14
3 Residuals   765 4644446.   6071.     NA    NA       

$h5
# A tibble: 3 x 6
  term         df    sumsq  meansq statistic   p.value
  <chr>     <dbl>    <dbl>   <dbl>     <dbl>     <dbl>
1 Fam          54  676396.  12526.      1.58  5.79e- 3
2 Rep           4  682404. 170601.     21.6   7.01e-17
3 Residuals   765 6049952.   7908.     NA    NA

然后我们看tidyverse的解决方案：

head(fm)
fm1 = fm %>% pivot_longer(-c(1:5),names_to = "trait",values_to = "y")
head(fm1)
fm1 %>% group_by(trait) %>% nest %>%
  mutate(model = map(data,~aov(y ~ Spacing + Rep, data=.))) %>% 
  mutate(result = map(model,~tidy(.))) %>% 
  unnest(result)

第一步：将数据转化为长数据

第二步：将数据group_by，然后nest形成列表

第三步：使用map进行批量方差分析

第四步：使用map进行结果整理

结果：