我想在R中使用for循环计算用于特征选择的t统计量。数据有155列，依赖变量是二元的（致突变 – 非致突变）。我想为每一列分配一个t统计量。问题是我不知道如何编写代码。

这是我在R中尝试实现的公式：

我还写了一些代码，但我不确定它的正确性，而且它只是针对第一列的。我需要用for循环为所有列编写代码。

abs(diff(tapply(train_df[,1], train_df$Activity, mean))) / sqrt(sd((train_df$NEG_01_NEG[train_df$Activity == "mutagen"])^2) / (length(train_df$NEG_01_NEG[train_df$Activity == "mutagen"])) +    sd((train_df$NEG_01_NEG[train_df$Activity != "mutagen"])^2) / (length(train_df$NEG_01_NEG[train_df$Activity != "mutagen"])))

提前感谢！

回答：

如果你不担心速度（对于155列来说你可能不在乎），你可以使用t.test函数并将其应用于每一列。

首先模拟一些数据

set.seed(1)DF <- data.frame(y=rep(1:2, 50), x1=rnorm(100), x2=rnorm(100), x3=rnorm(100))head(DF)  y         x1          x2         x31 1 -0.6264538 -0.62036668  0.40940182 2  0.1836433  0.04211587  1.68887333 1 -0.8356286 -0.91092165  1.58658844 2  1.5952808  0.15802877 -0.33090785 1  0.3295078 -0.65458464 -2.28523556 2 -0.8204684  1.76728727  2.4976616

然后我们可以使用公式参数将t.test函数应用于除第一列之外的所有列。

group <- DF$ylapply(DF[,-1], function(x) { t.test(x ~ group)$statistic })

这将返回每列的测试统计量。

t.test计算了很多你不需要的额外信息，因此你可以通过直接进行计算来大大加快速度，但在这里真的没有必要