R 保持样本配对的矩阵置换标号

我有一个矩阵，有490行（特征；F1..F490）和350列（350个样本；s1..s350）。 第一列如下所示：

Drug    T   T   T   C   T
Sample  s1  s2  s3  s4  s5 .....
Pair    16  81 -16  32 -81 .....
Cond    B   D    B   B  D  .....
F1      34  23   12     9  .....
F2      78       11  87 10 .....
...

（缺少数据，这是正常的）

有两个条件；B和D。有两种药物（T和C）。 样本是成对的。例如，s1和s3是成对的，因为它们的对值相同（绝对值）

我想做的是，在保留配对信息（配对值）的同时，将药物标签排列1000次。因此，一对应该始终具有相同的条件（本例中为B）和相同的对值（本例中为16和-16）。此外，他们必须有相同的药物标签。实例s1和s3是一对；它们具有相同的对值，都是B，并且都有药物标签T

因此，1000个排列的文件中的1个应该是这样的，例如：

Drug    C   T   C   T   T
Sample  s1  s2  s3  s4  s5 .....
Pair    16  81 -16  32 -81 .....
Cond    B   D    B   B  D  .....
F1      34  23   12     9  .....
F2      78       11  87 10 .....
...

如果样品不整齐，我不介意

我尝试了permute和sample（在R中），但在包含上述条件的情况下，我似乎找不到一种方法来实现它。。如果这是显而易见的，我很抱歉

我想使用这些置换文件（n=1000）进行我已经编写的下游分析

---

非常感谢您的输入。

确定配对的列索引，找到与配对相关的药物，将药物洗牌，然后将洗牌后的药物分配回配对

use List::Util qw( shuffle );

my @matrix = (
   [ 'Drug',    'T',   'T',  'T',   'C',  'T',   ..... ],
   [ 'Sample',  's1',  's2', 's3',  's4', 's5',  ..... ],
   [ 'Pair',    '16',  '81', '-16', '32', '-81', ..... ],
   [ 'Cond',    'B',   'D',  'B',   'B',  'D',   ..... ],
   [ 'F1',      '34',  '23', '12',  '',   '9',   ..... ],
   [ 'F2',      '78',  '',   '11',  '87', '10',  ..... ],
);

my %pair_col_idxs_by_key;
{
   my $drug_row = $matrix[0];
   for my $col_idx (1..$#$drug_row) {
   my $row = $matrix[$col_idx];
   push @{ $pair_col_idxs_by_key{join(":", abs($row->[2]), $row->[3])} }, $pair_col_idxs;
}

my @all_pair_col_idxs = values(%pair_col_idxs_by_key);
my @drugs = map { $matrix[ 0 ][ $_->[0] ] } @all_pair_col_idxs;

@drugs = shuffle @drugs;

# Keep reshuffling until you get a previously unseen result.

for my $i (0..$#all_pair_col_idxs) {
   my $pair_col_idxs = $all_pair_col_idxs[$i];
   my $drug          = $drug[$i];

   $matrix[0][$_] = $drug for @$pair_col_idxs;
}

---

确定对的列索引，找到与对关联的药物，洗牌药物，然后将洗牌药物分配回对

use List::Util qw( shuffle );

my @matrix = (
   [ 'Drug',    'T',   'T',  'T',   'C',  'T',   ..... ],
   [ 'Sample',  's1',  's2', 's3',  's4', 's5',  ..... ],
   [ 'Pair',    '16',  '81', '-16', '32', '-81', ..... ],
   [ 'Cond',    'B',   'D',  'B',   'B',  'D',   ..... ],
   [ 'F1',      '34',  '23', '12',  '',   '9',   ..... ],
   [ 'F2',      '78',  '',   '11',  '87', '10',  ..... ],
);

my %pair_col_idxs_by_key;
{
   my $drug_row = $matrix[0];
   for my $col_idx (1..$#$drug_row) {
   my $row = $matrix[$col_idx];
   push @{ $pair_col_idxs_by_key{join(":", abs($row->[2]), $row->[3])} }, $pair_col_idxs;
}

my @all_pair_col_idxs = values(%pair_col_idxs_by_key);
my @drugs = map { $matrix[ 0 ][ $_->[0] ] } @all_pair_col_idxs;

@drugs = shuffle @drugs;

# Keep reshuffling until you get a previously unseen result.

for my $i (0..$#all_pair_col_idxs) {
   my $pair_col_idxs = $all_pair_col_idxs[$i];
   my $drug          = $drug[$i];

   $matrix[0][$_] = $drug for @$pair_col_idxs;
}

---

给定数据

df

。按

对

的绝对值分组，然后对分组的对进行采样/置换

药物

。最后在

对的绝对值上重新连接。使用
dplyr
：

t_df <- as.data.frame(t(df))                    # transposed to use features as cols
t_df$Pair <- as.numeric(as.character(t_df$Pair)

library(dplyr)

# Wrap this into a function to call/ permute 1000 times
df_out <- t_df %>% mutate(abs_pair = abs(Pair)) %>% 
              group_by(abs_pair) %>% filter(row_number()==1) %>% 
          ungroup() %>% mutate(Permuted_drug = sample(Drug, n())) %>%      
              select(abs_pair, Permuted_drug) %>%
          inner_join(t_df %>% mutate(abs_pair = abs(Pair)))

df_out
#  abs_pair Permuted_drug Drug  Sample  Pair Cond 
#     <dbl> <fct>         <fct> <fct>  <dbl> <fct>
#1       16 T             T     s1        16 B    
#2       16 T             T     s3       -16 B    
#3       81 C             T     s2        81 D    
#4       81 C             T     s5       -81 D    
#5       32 T             C     s4        32 B    

t_df%过滤器（行号（）==1）%>%
解组（）%%>%突变（置换药物=样本（药物，n（））%%>%
选择（abs对、置换药物）%>%
内部连接（t_df%>%变异（abs_对=abs（对）））
df炣out
#abs\u对置换药物样品对条件
#                   
#1 16 T s1 16 B
#2 16 T T s3-16 B
#3 81 C T s2 81 D
#4 81 C T s5-81 D
#5 32 T C s4 32 B

使用的数据：

df给定数据
df
。按
对
的绝对值分组，然后对分组的对进行采样/置换
药物
。最后在
对的绝对值上重新连接。使用
dplyr
：

t_df <- as.data.frame(t(df))                    # transposed to use features as cols
t_df$Pair <- as.numeric(as.character(t_df$Pair)

library(dplyr)

# Wrap this into a function to call/ permute 1000 times
df_out <- t_df %>% mutate(abs_pair = abs(Pair)) %>% 
              group_by(abs_pair) %>% filter(row_number()==1) %>% 
          ungroup() %>% mutate(Permuted_drug = sample(Drug, n())) %>%      
              select(abs_pair, Permuted_drug) %>%
          inner_join(t_df %>% mutate(abs_pair = abs(Pair)))

df_out
#  abs_pair Permuted_drug Drug  Sample  Pair Cond 
#     <dbl> <fct>         <fct> <fct>  <dbl> <fct>
#1       16 T             T     s1        16 B    
#2       16 T             T     s3       -16 B    
#3       81 C             T     s2        81 D    
#4       81 C             T     s5       -81 D    
#5       32 T             C     s4        32 B    

t_df%过滤器（行号（）==1）%>%
解组（）%%>%突变（置换药物=样本（药物，n（））%%>%
选择（abs对、置换药物）%>%
内部连接（t_df%>%变异（abs_对=abs（对）））
德福
#abs\u对置换药物样品对条件
#                   
#1 16 T s1 16 B
#2 16 T T s3-16 B
#3 81 C T s2 81 D
#4 81 C T s5-81 D
#5 32 T C s4 32 B

使用的数据：

df您是否只需要使用替换药物功能进行采样，并保持数据帧的其余部分不变？？。只需对每个排列使用
样本（c（“T”，“c”），351，replace=TRUE）
，但配对的完整性不会受到影响吗？因为每个配对都必须有相同的药物标签（例如，s1和s3必须同时有T或C，但不是T和C）。对不起，不清楚，我在原来的问题中加了。好的。你现在有要求了。还有一件事，如果你有成对的样本。为什么样本总数是奇数。是否有任何一个样本未配对？再次抱歉。。我纠正了它；实际上有350个样本，但有351列，因为第一个用于特征名称等）一种方法：（1）记录所有配对（通过处理第一行）（2）逐个生成标题（“药物”）的排列（3）将每个配对与配对进行比较，如果弄糟了，则拒绝。（*）如果大多数是配对的，并且存在交叉配对，这可能太慢了，在这种情况下，您可以设计一个置换生成器来使用已知配对。您是否只需要使用替换药物特征进行采样，并保持数据框的其余部分不变？？。只需对每个排列使用
样本（c（“T”，“c”），351，replace=TRUE）
，但配对的完整性不会受到影响吗？因为每个配对都必须有相同的药物标签（例如，s1和s3必须同时有T或C，但不是T和C）。对不起，不清楚，我在原来的问题中加了。好的。你现在有要求了。还有一件事，如果你有成对的样本。为什么样本总数是奇数。是否有任何一个样本未配对？再次抱歉。。我纠正了它；实际上有350个样本，但有351列，因为第一个用于特征名称等）一种方法：（1）记录所有配对（通过处理第一行）（2）逐个生成标题（“药物”）的排列（3）将每个配对与配对进行比较，如果弄糟了，则拒绝。（*）如果大多数是成对的，并且存在交叉配对，这可能太慢，在这种情况下，您可以设计一个置换生成器来使用已知配对。