R 在具有多个值的列上合并

我有一个数据框，

cluster

，其中一列，

cluster$Genes

，如下所示：

ENSG00000134684
ENSG00000188846, ENSG00000181163, ENSG00000114391
ENSG00000134684, ENSG00000175390
ENSG00000134684
ENSG00000134684, ENSG00000175390
...

ENSGID           a       b
ENSG00000134684  1       3
ENSG00000175390  2       0
ENSG00000000419  131.23  108.73
ENSG00000000457  7.11    8.68
ENSG00000000460  15.70   6.59
ENSG00000000938  0       0
ENSG00000000971  0.03    0.07
ENSG00000001036  59.22   58.3
...

列中每行的元素数是任意的。我还有另一个数据框，

expression

，看起来像这样：

ENSG00000134684
ENSG00000188846, ENSG00000181163, ENSG00000114391
ENSG00000134684, ENSG00000175390
ENSG00000134684
ENSG00000134684, ENSG00000175390
...

ENSGID           a       b
ENSG00000134684  1       3
ENSG00000175390  2       0
ENSG00000000419  131.23  108.73
ENSG00000000457  7.11    8.68
ENSG00000000460  15.70   6.59
ENSG00000000938  0       0
ENSG00000000971  0.03    0.07
ENSG00000001036  59.22   58.3
...

。。。大约有20000行。我想做的是：

对于

簇$Genes

中每行中的所有元素，找到相应的

a

和

b

值

计算

簇$Genes中每一行
a
和
b
（分别）的最小值、最大值和平均值

在

集群

数据框中创建六个新列，并用

（最小值a、最大值a、平均值a、最小值b、最大值b、平均值b）

值填充它们

我试着想办法，但进展不顺利。在谷歌搜索帮助时，我想我可能会使用某种

应用程序
，我得到了一些代码。我觉得它大部分都是胡言乱语，完全没有功能，我有点被卡住了。这就是我得到的：

exp.lookup = function(genes) {
  genes.split = strsplit(genes, ', ')
  exp.hct = list()
  exp.hke = list()
  for ( gene in genes.split ) {
    exp.hct = c(exp.hct, merge(gene, means$hct, all.x=TRUE))
    exp.hke = c(exp.hke, merge(gene, means$hke, all.x=TRUE))
    return(c(exp.hct, exp.hke))
  }
}

apply(cluster['Genes'], 1, FUN=exp.lookup)

有谁有更好的想法，这可能真的有用吗？
假设每个
ENSGID
对应一对唯一的a和b值，我建议：

将
cluster$Genes
分配给变量（换句话说，复制
cluster
数据框之外的变量）。例如，
new_cluster_genes重新创建初始数据：

library(data.table)

cluster<- as.data.table(list(Genes = c("ENSG00000134684",
                                       "ENSG00000188846, ENSG00000181163, ENSG00000114391", 
                                       "ENSG00000134684, ENSG00000175390", 
                                       "ENSG00000134684", 
                                       "ENSG00000134684, ENSG00000175390")))

expression<- as.data.table(list(ENSGID = c("ENSG00000134684", "ENSG00000175390",
                                           "ENSG00000000419", "ENSG00000000457",
                                           "ENSG00000000460", "ENSG00000000938",
                                           "ENSG00000000971", "ENSG00000001036"),
                                a = c(1,2,131.23,7.11,15.70, 0, 0.03, 59.22),
                                b = c(3,0,108.73,8.68,6.59,0,0.07,58.3)))
setkey(cluster, Genes)
setkey(expression, ENSGID)

库（data.table）
请把你的例子复制出来。请看如何做到这一点。您可以使用
dput
功能共享数据。感谢您的回复！我不确定我是否理解正确，但这样做（2）会不会让我丢失
簇$Genes
的每一行中哪些ID（即ENSGID）的信息？我希望对每行的所有ID进行
a
和
b
的各种计算，而不是单独计算。例如，在最后一行中，[min，max，mean]（a/b）=[1,2,1.5]（a）/[0,3,1.5]（b），非常感谢！我不太了解代码的所有细节，不过。。。我不理解这两个函数的第二行；你能解释一下吗？不仅要有工作代码，还要知道它是如何工作的，这将很好；-）当然您可能希望从data.table简介开始：熟悉基本语法。数据营的Data.table备忘单：可能也会有很大帮助。我将编辑我的帖子以添加更多评论。现在更新，请随时提问。我可能弄乱了术语，但我希望主要思想仍然清晰。
library(data.table)

result<- function() {
  colnames<- c("min.a", "max.a", "mean.a", "min.b", "max.b", "mean.b")
  # 1. "(colnames)" is parenthesized to insure we are adding new columns from
  # colnames variable by reference and evaluates to character vector with 
  # new columns names
  # 2. ":=" is for adding new columns to existing data.table by reference
  # 3. "count(Genes)" calls count() function over "Genes" column, but as long
  # as we are using grouping "by = Genes", count() works with each row turn
  # by turn. And each row is a character vector.
  cluster[,(colnames):=count(Genes), by = Genes]
}

# get Genes row
count<- function(charvector) {
  ENSGIDc<- strsplit(charvector, ", ")
  # 4. subsetting "expression" data.table rows by splitted "Genes" character 
  # vector named "ENSGIDc"...
  # 5. ... and then calculating column's maxes, mins and means
  expression[ENSGIDc, .(min(a, na.rm = T), max(a, na.rm = T),
                        mean(a, na.rm = T), min(b, na.rm = T), 
                        max(b, na.rm = T), mean(b, na.rm = T))]
  # 6. at this point we are returning resulting 1 row 6 columns data.table     
  # back to calling function, where it's added to "cluster" data.table
}

suppressWarnings(result())