循环以在矩阵的行上应用lm并提取重要的模型

如何解决循环以在矩阵的行上应用lm并提取重要的模型

我有一个数据框，在行和40列中具有8,000个基因表达值。 40列代表来自4个不同时间点的观察结果。前十列是未经治疗的，后十列是经过1周的治疗，第三列是经过2周的治疗，第四列是经过7周的治疗。

这是个主意（小编）：

m1 <- matrix(data=1:32,nrow = 8,ncol = 4)
time <- c(1:4)

summaries <- data.frame(nrow=8,ncol=4)
pvalues <- function(x) {
for (i in (1:8)) {
raw <- unlist(as.vector(x[i,]))
lm <- lm(raw ~ time)
summaries[i,] <- summary(lm)$coefficients[,4]
return(summaries)
}
}
pvalues(m1)

我知道它仍在覆盖，但我不知道如何适应ix。

解决方法

好的，我运行了您的代码并得到了

Warning message:

In summary.lm(lm) : essentially perfect fit: summary may be unreliable

这是因为样本数据是连续的。我将m1改为使用rnorm(32)而不是1:32，此问题已解决。 （尽管我认为这个问题是特定于示例的，而不是实际情况）。

下一个问题：summaries对象的大小。您使用了data.frame，它以列名作为参数。我们想使用matrix来设置行和列：

## Bad - 1 row and 2 columns
summaries <- data.frame(nrow=8,ncol=4)
summaries
#   nrow ncol
# 1    8    4

## Good - 8 rows,2 columns
summaries <- matrix(nrow = 8,ncol = 2)
# summaries
#      [,1] [,2]
# [1,]   NA   NA
# [2,]   NA   NA
# [3,]   NA   NA
# [4,]   NA   NA
# [5,]   NA   NA
# [6,]   NA   NA
# [7,]   NA   NA
# [8,]   NA   NA

但是，接下来，运行代码 still 只会填充第一行！为什么？函数一旦击中return()就会立即停止，并认为它已完成。我们需要将return(summaries)循环之后的for移到，而不是for循环内。全部放在一起：

m1 <- matrix(data = rnorm(32),nrow = 8,ncol = 4)
time <- c(1:4)

summaries <- matrix(nrow = 8,ncol = 2)
pvalues <- function(x) {
  for (i in (1:8)) {
    raw <- c(x[i,])
    lm <- lm(raw ~ time)
    summaries[i,] <- summary(lm)$coefficients[,4]
  } ## End the for loop before the `return()`
  return(summaries)
}
pvalues(m1)
#           [,1]      [,] 0.6235167 0.5461115
# [2,] 0.4256698 0.3992509
# [3,] 0.3041439 0.2751724
# [4,] 0.8087557 0.8252432
# [5,] 0.8820501 0.1812292
# [6,] 0.4997327 0.5582880
# [7,] 0.5589398 0.8150613
# [8,] 0.6283059 0.8994896

我们可以根据上一次迭代总结为列名分配些麻烦：

pvalues <- function(x) {
  for (i in (1:8)) {
    raw <- c(x[i,4]
  }
  colnames(summaries) = names(summary(lm)$coefficients[,4])
  return(summaries)
}
pvalues(m1)
#      (Intercept)      time
# [1,]   0.6235167 0.5461115
# [2,]   0.4256698 0.3992509
# [3,]   0.3041439 0.2751724
# [4,]   0.8087557 0.8252432
# [5,]   0.8820501 0.1812292
# [6,]   0.4997327 0.5582880
# [7,]   0.5589398 0.8150613
# [8,]   0.6283059 0.8994896