之间我想制作一个脚本，用于对表格内的属性分类后进行t检验。如下表：TT,TC,CC是三种不同的基因型，要做T检验。于是我通过书找到了一位大佬写的代码。

rs#	AX.108768500	AX.110999783	AX.108750670	AX.109504524	AX.110395687	PHE
alleles	T/C	C/G	A/C	T/C	A/G	NA
S43	TT	GG	AA	CC	AA	29.3417
S151	TC	CG	AC	CC	AA	32.0381
S189	CC	CC	AC	TT	NN	37.3938
S172	CC	CC	CC	TC	AA	35.4436
S292	CC	CC	AC	NN	GG	38.068
S246	CC	CC	CC	CC	AA	31.0997
S251	CC	CC	CC	TC	GG	33.724
S262	CC	CC	AC	TT	GG	32.6727
S238	CC	CC	AC	TT	GG	33.0237
S249	CC	CC	CC	CC	AA	22.5027
S294	NN	CC	AC	TC	AA	29.6675
S164	CC	CC	NN	TT	AA	31.769
S201	CC	CC	CC	CC	AA	34.4939

<# Nonparametric pairwise multiple comparisons using the Wilcoxon Signed Rank Test
# Probability values are adjusted using the p.adjust function
wmc <- function(formula, data, exact=FALSE, sort=TRUE, method="holm"){

  # setup
  df <- model.frame(formula, data)
  y <- df[[1]]
  x <- as.factor(df[[2]])


  # reorder levels of x by median y
  if(sort){
    medians <- aggregate(y, by=list(x), FUN=median)[2]
    index <- order(medians)
    x <- factor(x, levels(x)[index])
  }

  groups <- levels(x)
  k <- length(groups)

  # summary statisticsa
  stats <- function(z)(c(N = length(z), Median = median(z), MAD = mad(z)))
  sumstats <- t(aggregate(y, by=list(x), FUN=stats)[2])
  rownames(sumstats) <- c("n", "median", "mad")
  colnames(sumstats) <- groups
  cat("Descriptive Statistics\n\n")
  print(sumstats)

  # multiple comparisons
  mc <- data.frame(Group.1=character(0),
                   Group.2=character(0),
                   W=numeric(0),
                   p.unadj=numeric(0),
                   p=numeric(0),
                   stars=character(0),
                   stringsAsFactors=FALSE)

  # perform Wilcoxon test
  row <- 0
  for(i in 1:k){
    for(j in 1:k){
      if (j > i){
        row <- row + 1
        y1 <- y[x==groups]
        y2 <- y[x==groups[j]]
        test <- wilcox.test(y1, y2, exact=exact)
        mc[row,1] <- groups
        mc[row,2] <- groups[j]
        mc[row,3] <- test$statistic
        mc[row,4] <- test$p.value
      }
    }
  }
  mc$p <- p.adjust(mc$p.unadj, method=method)

  # add stars
  mc$stars <- " "
  mc$stars[mc$p <   .1] <- "."
  mc$stars[mc$p <  .05] <- "*"
  mc$stars[mc$p <  .01] <- "**"
  mc$stars[mc$p < .001] <- "***"
  names(mc)[6] <- " "

  cat("\nMultiple Comparisons (Wilcoxon Rank Sum Tests)\n")
  cat(paste("Probability Adjustment = ", method, "\n\n", sep=""))
  print(mc[-4], right=TRUE)
  cat("---\nSignif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n")
  return(invisible(NULL))

}>
计算的方式和结果如下：
< wmc(PHE~AX.108768500,data = data, method="holm")
Descriptive Statistics

             CC        TC        NN        TT
n      81.00000 78.000000 56.000000 57.000000
median 28.32410 29.428200 29.531900 30.244000
mad     4.23134  3.461426  4.091531  4.067661

Multiple Comparisons (Wilcoxon Rank Sum Tests)
Probability Adjustment = holm

  Group.1 Group.2    W          p  
1      CC      TC 2596 0.26309005  
2      CC      NN 1972 0.58718842  
3      CC      TT 1647 0.02555667 *
4      TC      NN 2284 0.65353668  
5      TC      TT 1978 0.58718842  
6      NN      TT 1330 0.50938174  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1>
但是问题是可以的到结果不能循环。比如我讲第一行作为一个list，想用wmc（PHE~list[1]...的方式构建循环发现，语句就会有错误。
在我找了一位很厉害的人询问后他给我出了一个办法。
<for(i in 2:(ncol(data)-1)){
  f <- as.formula(paste0('PHE~',colnames(data)))
  wmc(f,data,colnames(data))
}>
利用paste函数，先将formula准备好，然后再利用别人编写好的函数。这种方式可以很快利用到别人的函数或者包。

<escriptive Statistics (AX.108768500)

             CC        TC        NN        TT
n      81.00000 78.000000 56.000000 57.000000
median 28.32410 29.428200 29.531900 30.244000
mad     4.23134  3.461426  4.091531  4.067661

Multiple Comparisons (Wilcoxon Rank Sum Tests)
Probability Adjustment = holm

  Group.1 Group.2    W          p  
1      CC      TC 2596 0.26309005  
2      CC      NN 1972 0.58718842  
3      CC      TT 1647 0.02555667 *
4      TC      NN 2284 0.65353668  
5      TC      TT 1978 0.58718842  
6      NN      TT 1330 0.50938174  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Descriptive Statistics (AX.110999783)

              NN         CG        CC         GG
n       2.000000  3.0000000 89.000000 178.000000
median 27.041850 27.3595000 28.610100  29.789700
mad     1.479116  0.4004503  4.352024   3.506127

Multiple Comparisons (Wilcoxon Rank Sum Tests)
Probability Adjustment = holm

  Group.1 Group.2    W          p  
1      NN      CG    2 1.00000000  
2      NN      CC   67 1.00000000  
3      NN      GG   78 0.87256823  
4      CG      CC  139 1.00000000  
5      CG      GG  200 1.00000000  
6      CC      GG 6306 0.03985078 *
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Descriptive Statistics (AX.108750670)

              CC       NN        AC         AA
n      48.000000  8.00000 36.000000 180.000000
median 27.886150 28.74170 28.867600  29.816850
mad     3.652089  3.31539  4.285826   3.606573

Multiple Comparisons (Wilcoxon Rank Sum Tests)
Probability Adjustment = holm

  Group.1 Group.2    W         p  
1      CC      NN  161 1.0000000  
2      CC      AC  787 1.0000000  
3      CC      AA 3064 0.0119307 *
4      NN      AC  146 1.0000000  
5      NN      AA  596 1.0000000  
6      AC      AA 2561 0.2373465  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Descriptive Statistics (AX.109504524)

              NN        TC        CC        TT
n       5.000000 94.000000 99.000000 74.000000
median 26.566300 28.927850 29.574300 29.657450
mad     7.919604  3.936451  2.972465  3.913249

Multiple Comparisons (Wilcoxon Rank Sum Tests)
Probability Adjustment = holm

  Group.1 Group.2    W         p  
1      NN      TC  191 1.0000000  
2      NN      CC  185 1.0000000  
3      NN      TT  150 1.0000000  
4      TC      CC 3989 0.5229268  
5      TC      TT 3173 1.0000000  
6      CC      TT 3801 1.0000000  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
>

谢谢大家观看，觉得有用麻烦点一个赞，谢啦～
有问题可以问我，尽管我还是小白，但是只要是我能回答的我都会尽力回答。