R 按组复制控制行
我有一个包含许多分组治疗的数据集。同时，在两个独立的小组中，我收集了阳性和阴性对照。为了绘图和进一步分析，我想复制每个单独治疗组的对照组。因此，我的情节从这里开始： 为此： 在dplyr中，我已经找到了如何识别和生成具有正确控制值的列，但挑战在于如何复制数据集的完整行并附加它们，而不仅仅是为每个相关组添加“积极控制”和“消极控制”列。这种方法是可行的，但这意味着您实际上只能存储在每个治疗过程中复制的摘要值（例如平均值），而不是维护单个读数R 按组复制控制行,r,dataframe,dplyr,R,Dataframe,Dplyr,我有一个包含许多分组治疗的数据集。同时，在两个独立的小组中，我收集了阳性和阴性对照。为了绘图和进一步分析，我想复制每个单独治疗组的对照组。因此，我的情节从这里开始： 为此： 在dplyr中，我已经找到了如何识别和生成具有正确控制值的列，但挑战在于如何复制数据集的完整行并附加它们，而不仅仅是为每个相关组添加“积极控制”和“消极控制”列。这种方法是可行的，但这意味着您实际上只能存储在每个治疗过程中复制的摘要值（例如平均值），而不是维护单个读数 librar(ggplot) before <
librar(ggplot)
before <- structure(list(group = c("grp1", "grp1", "grp1", "grp1",
"grp2", "grp2", "grp2", "grp2", "grp3", "grp3", "grp3", "grp3",
"neg", "neg", "pos", "pos"), treatment = c("A", "B", "C",
"D", "A", "B", "C", "D", "A", "B", "C", "D", "none", "none",
"none", "none"), value = c(3L, 5L, 7L, 9L, 2L, 4L, 6L, 8L, 3L,
4L, 6L, 9L, 12L, 10L, 1L, 2L)), class = "data.frame", row.names = c(NA, -16L))
ggplot(data = before, aes(x=treatment, y=value)) + geom_boxplot() + facet_wrap (~group)
after <- structure(list(group = c("grp1", "grp1", "grp1", "grp1", "grp1", "grp1",
"grp1", "grp1", "grp2", "grp2", "grp2", "grp2", "grp2", "grp2",
"grp2", "grp2", "grp3", "grp3", "grp3", "grp3", "grp3", "grp3",
"grp3", "grp3"), treatment = c("A", "B", "C", "D", "neg", "neg",
"pos", "pos", "A", "B", "C", "D", "neg", "neg", "pos", "pos",
"A", "B", "C", "D", "neg", "neg", "pos", "pos"), value = c(3L,
5L, 7L, 9L, 12L, 10L, 1L, 2L, 2L, 4L, 6L, 8L, 12L, 10L, 1L, 2L,
3L, 4L, 6L, 9L, 12L, 10L, 1L, 2L)), class = "data.frame", row.names = c(NA, -24L))
ggplot(data = after, aes(x=treatment, y=value)) + geom_boxplot() + facet_wrap (~group)
librar（ggplot）
在之前，一个选项是过滤组列中带有'neg'，'pos'的行，并绑定组分裂列中没有'neg'，'pos'的原始数据
library(dplyr)
library(tidyr)
library(purrr)
tmp <- before %>%
# // filter the rows where the group values are 'neg', 'pos'
filter(group %in% c('neg', 'pos')) %>%
# // then replace the treatment values with the group column values
mutate(treatment = group) %>%
# // remove the group
select(-group)
-输出
out
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
它也可以在单个管道中完成
before %>%
# // replace the treatment values that 'none' with corresponding group values
mutate(treatment = coalesce(na_if(treatment, 'none'), group)) %>%
# // do a group by group
group_by( group) %>%
# // summarise the columns of interest with across
summarise(across(c(treatment, value),
# // append the values in the full dataset where the group
# // column is 'neg', 'pos'
~ c(., dplyr:::peek_mask()$full_data()[[cur_column()]][
before$group %in% c("neg", "pos")])),
.groups = 'drop') %>%
# // filter out the 'pos', 'neg' group rows
filter(!group %in% c('pos', 'neg'))
-输出
out
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
#一个tible:24 x 3
#群体治疗价值
#
#1 grp1 A 3
#2 grp1 B 5
#3 grp1 C 7
#4 grp1 D 9
#5 grp1负12
#6 grp1负10
#7 grp1位置1
#8 grp1位置2
#9 grp2 A 2
#10 grp2 B 4
#…还有14行
一个选项是过滤组
列中带有'neg'，'pos'的行，并绑定那些带有组分割的原始数据，而不带有组
列中的'neg'，'pos'
library(dplyr)
library(tidyr)
library(purrr)
tmp <- before %>%
# // filter the rows where the group values are 'neg', 'pos'
filter(group %in% c('neg', 'pos')) %>%
# // then replace the treatment values with the group column values
mutate(treatment = group) %>%
# // remove the group
select(-group)
-输出
out
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
它也可以在单个管道中完成
before %>%
# // replace the treatment values that 'none' with corresponding group values
mutate(treatment = coalesce(na_if(treatment, 'none'), group)) %>%
# // do a group by group
group_by( group) %>%
# // summarise the columns of interest with across
summarise(across(c(treatment, value),
# // append the values in the full dataset where the group
# // column is 'neg', 'pos'
~ c(., dplyr:::peek_mask()$full_data()[[cur_column()]][
before$group %in% c("neg", "pos")])),
.groups = 'drop') %>%
# // filter out the 'pos', 'neg' group rows
filter(!group %in% c('pos', 'neg'))
-输出
out
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
# A tibble: 24 x 3
# group treatment value
# <chr> <chr> <int>
# 1 grp1 A 3
# 2 grp1 B 5
# 3 grp1 C 7
# 4 grp1 D 9
# 5 grp1 neg 12
# 6 grp1 neg 10
# 7 grp1 pos 1
# 8 grp1 pos 2
# 9 grp2 A 2
#10 grp2 B 4
# … with 14 more rows
#一个tible:24 x 3
#群体治疗价值
#
#1 grp1 A 3
#2 grp1 B 5
#3 grp1 C 7
#4 grp1 D 9
#5 grp1负12
#6 grp1负10
#7 grp1位置1
#8 grp1位置2
#9 grp2 A 2
#10 grp2 B 4
#…还有14行
谢谢，@akrun。因此，要走完这一步，tmp df是一个拆分，用于从治疗组中移除对照组，并方便地将其附加。我们过滤所有不是pos/neg控件的内容，这就是事情变得有点模糊的地方：“group_split”将每个组转换为单独的列表？然后map_dfr命令使用类似rbind的命令将tmp df附加到每个分割组（.x
）？然后fill
重新组装所有东西？假设这是大致正确的，如果涉及到额外的分组级别，这会起作用吗？@MarioNiepel是的，它只是filter
i使用'neg'，'pos'对这些行进行筛选，并在拆分筛选数据后使用'neg'，'pos'行和'tmp@MarioNiepel我在每行代码中添加了一些描述。希望itt能帮你摇滚。这（以及一些明智的谷歌搜索+试错）应该会让我明白。谢谢大家!@MarioNiepel由于嵌套条件与您的不同，您能否将其作为新问题发布谢谢@akrun。因此，要走完这一步，tmp df是一个拆分，用于从治疗组中移除对照组，并方便地将其附加。我们过滤所有不是pos/neg控件的内容，这就是事情变得有点模糊的地方：“group_split”将每个组转换为单独的列表？然后map_dfr命令使用类似rbind的命令将tmp df附加到每个分割组（.x
）？然后fill
重新组装所有东西？假设这是大致正确的，如果涉及到额外的分组级别，这会起作用吗？@MarioNiepel是的，它只是filter
i使用'neg'，'pos'对这些行进行筛选，并在拆分筛选数据后使用'neg'，'pos'行和'tmp@MarioNiepel我在每行代码中添加了一些描述。希望itt能帮你摇滚。这（以及一些明智的谷歌搜索+试错）应该会让我明白。谢谢大家!@MarioNiepel由于嵌套条件与您的不同，您可以将其作为新问题发布吗