如果运行您的数据集，我不会收到错误：

Friedman rank sum test

   data:  mean and isi and expId
   Friedman chi-squared = 17.9143, df = 3, p-value = 0.0004581

但是，您必须确保expId和isi被编码为因子。

monoSum$expID$<-factor(monoSum$expID)
    monoSum$isi$<-factor(monoSum$isi)

然后再运行一次测试。这对我有类似的问题很有效。

我知道这是相当古老的，但为后代（另见：我当我忘记和谷歌这一次）：
你可以通过运行table(groups, blocks)来确定你的数据框中缺少了什么值，或者在这个问题中是table(monoSum$isi, monoSum$expID)。这将返回一个0和1的表格。这些缺少的记录在带有0的单元格中。
我在尝试删除结果不完整的块后遇到了这个问题;由于某种原因，获取数据的子集并没有移除块。

我想我会提到我发现这个帖子是因为我收到了一个类似的错误信息。上面的建议并没有解决这个问题。奇怪的是，我不得不对我的 Dataframe 进行排序，以便一个块一个块地按顺序显示组（即，我不能有以下内容：1 A座1 B座2 B座2 A座
它必须以A、B、A、B的形式出现）

我在R中遇到了同样的隐含错误消息，尽管在我的情况下，当我将“as.matrix”函数应用于我使用read.csv（）函数导入的CSV文件的原始 Dataframe 时，它得到了解决。
在我的原始数据集中也有一个缺失的数据点，我发现当我的数据被转换为friedman.test（）调用的矩阵时，包含缺失数据点的整行都被自动省略了。

使用函数as.matrix（）来转换我的 Dataframe 是让函数为我运行的神奇之处。

我的数据集也出现了同样的错误。结果发现函数friedman.test()接受 data frames（fx由data.frame()创建的 Dataframe ），但不接受 * tibles *（由dplyr和其他现代工具创建的 Dataframe ）。我的解决方案是先将我的数据集转换为dataframe。

D_fri <- D_all %>% dplyr::select(FrustrationEpisode, Condition, Participant)
D_fri <- as.data.frame(D_fri)
str(D_fri) # confirm the object should now be a 'data.frame'
friedman.test(FrustrationEpisode ~ Condition | Participant, D_fri)

我也遇到了这个问题。通过删除NA修复了我的问题。

# My data (called layers) looks like:
| resp.no | av.l.all | av.baseem | av.base |
| 1       | 1.5      | 1.3       | 2.3     |
| 2       | 1.4      | 3.2       | 1.4     |
| 3       | 2.5      | 2.8       | 2.9     |
...
| 1088    | 3.6      | 1.1       | 3.3     |

# Remove NAs
layers1 <- na.omit(layers)

# Re-organise data so the scores are stacked, and a column added with the original column name as a factor
layers2 <- layers1 %>%
  gather(key = "layertype", value = "score", av.l.all, av.baseem, av.base) %>%
  convert_as_factor(resp.no, layertype)

# Data now looks like this
| resp.no | layertype | score  | 
| 1       | av.l.all  | 1.5    | 
| 1       | av.baseem | 1.3    | 
| 1       | av.base   | 2.3    | 
| 2       | av.l.all  | 1.4    | 
...
| 1088    | av.base   | 3.3    | 

# Then do Friedman test
friedman.test(score ~ layertype | resp.no, data = layers2)

我只是想分享一下我的问题。我的ID因子在执行pivot_longger（）后没有正确的级别。因此，同样的错误也出现了。我确定了正确的级别，它的工作原理如下：as.factor（as.character（df$ID））