简而言之

你认为文件丢失了是对的。此命令不会创建任何电子表格，但会读取存储在"D:/RStudio/data.xlsx"中的电子表格。

可能的解决方案

您可以自己创建一个数据集，例如，像这样：

# Treatment A: Samples for the different time steps T0, T1, and T2
T0A <- rnorm(12, mean = 7.853, sd = 3.082)
T1A <- rnorm(12, mean = 9.298, sd = 2.090)
T2A <- rnorm(12, mean = 5.586, sd = 0.396)
# Treatment B: Samples for the different time steps T0, T1, and T2
T0B <- rnorm(12, mean = 7.853, sd = 3.082)
T1B <- rnorm(12, mean = 9.298, sd = 2.090)
T2B <- rnorm(12, mean = 5.586, sd = 0.396)

# Combine the values in a data.frame
data <- data.frame(time = c(rep("T0", 12), rep("T1", 12), rep("T2", 12),
                            rep("T0", 12), rep("T1", 12), rep("T2", 12)),
                   score = c(T0A, T1A, T2A, T0B, T1B, T2B),
                   Treatment = c(rep("A", 36), rep("B", 36))
)
# make time and Treatment factors
data$time <- as.factor(data$time)
data$Treatment <- as.factor(data$Treatment)

# Here, we are at the Summary Statistics step of the tutorial already
library(dplyr)
library(rstatix)
summary<-data %>%
  group_by(time) %>%
  get_summary_stats(score, type = "mean_sd")
data.frame(summary)

注意，在这种情况下，治疗A和B完全相同。根据您想要测试的内容，您可以更改不同处理的均值和标准差。

其他想法

您还可以将离群值引入到自己创建的数据集中。在下文中，我只选择T0A的平均值和T0A标准差的4倍。然后，我们可以设置一个值N来表示我们想要多少个潜在的离群值。随后，我们创建可以比T0A的平均值高或低4个标准差的随机值，并使用这些值来替换data.frame中的随机score值。在这种情况下，我们设置N = 1个离群值的最大值。当然，这个脚本可以根据time和Treatment因子来设置某些潜在值的范围（但这超出了这个答案的范围）。

mean_value <- 7.853
extreme <- 4*3.082
N <- 1
outlier_values <- runif(N, min = mean_value - extreme, max = mean_value + extreme)
outliers <- round(runif(N, min = 1, max = nrow(data)), digits = 0)
data$score[outliers] <- outlier_values

在我看来，这个数据集比任何示例数据集都更有用，因为你现在可以更改均值和标准差值，并引入离群值等，所以你可以对数据进行实验，看看你的统计测试在各种情况下如何响应。

例如，使用file选择读取文件
data <- read.xlsx（file.choose（），sheetName=“Sheet 1”）#选择您想要打开的Excel文件，同时还包括图纸编号。或使用图纸编号