如何比较R中分组的重复行

我有一个数据集，其中样本/基因通过匹配ID进行分组。我试图比较匹配ID的组

例如，我有：

ID      Gene    Score
1:10    Gene1    0.8
1:10    Gene1    0.78
1:10    Gene4    0.6
2:20    Gene5    0.1
2:20    Gene6    0.7
3:30    Gene7    0.4
3:30    Gene8    0.6  
3:30    Gene8    0.5

我试图找到各种统计数据，比如组中超过1个基因得分>0.7的匹配ID组的百分比（从我的示例数据来看，这将是33.3%的匹配ID组具有该得分），或者有多少组在相同的匹配ID下有0.7分的基因和0.1分的基因（本例中33.3%的组）

我一直在尝试使用

duplicated（）

和

filter（）

来启动此功能，但除此之外，我不确定要尝试哪些函数，请提供有关要尝试的函数的任何建议

输入数据：

structure(list(ID = c("1:10", "1:10", "1:10", "2:20", "2:20", 
"3:30", "3:30", "3:30"), Gene = c("Gene1", "Gene1", "Gene4", 
"Gene5", "Gene6", "Gene7", "Gene8", "Gene8"), Score = c(0.8, 
0.78, 0.6, 0.1, 0.7, 0.4, 0.6, 0.5)), row.names = c(NA, -8L), class = c("data.table", 
"data.frame"))

库（“dplyr”）
df 0.7

df%>%
分组依据（ID）%>%
汇总（cond=总和（分数>0.7）>1）%>%
替换_na（列表（cond=FALSE））%>%
汇总（分数=总和（cond）/n（）
#一个tibble:1x1
压裂
1 0.333

ID组至少有一个基因得分为0.7，至少有一个基因得分为0.1

df %>%
  group_by(ID, Gene) %>%
  summarize(cond = any(Score %in% c(0.1, 0.7))) %>%
  replace_na(list(cond = FALSE)) %>%
  group_by(ID) %>%
  summarize(cond = any(cond)) %>%
  summarize(frac = sum(cond) / n())

# A tibble: 1 x 1
   frac
  <dbl>
1 0.333

df%>%
分组依据（ID，基因）%>%
总结（cond=any（分数%c（0.1,0.7））%>%
替换_na（列表（cond=FALSE））%>%
分组依据（ID）%>%
汇总（cond=any（cond））%>%
汇总（分数=总和（cond）/n（）
#一个tibble:1x1
压裂
1 0.333
库（“dplyr”）
df 0.7

df%>%
分组依据（ID）%>%
汇总（cond=总和（分数>0.7）>1）%>%
替换_na（列表（cond=FALSE））%>%
汇总（分数=总和（cond）/n（）
#一个tibble:1x1
压裂
1 0.333

ID组至少有一个基因得分为0.7，至少有一个基因得分为0.1

df %>%
  group_by(ID, Gene) %>%
  summarize(cond = any(Score %in% c(0.1, 0.7))) %>%
  replace_na(list(cond = FALSE)) %>%
  group_by(ID) %>%
  summarize(cond = any(cond)) %>%
  summarize(frac = sum(cond) / n())

# A tibble: 1 x 1
   frac
  <dbl>
1 0.333

df%>%
分组依据（ID，基因）%>%
总结（cond=any（分数%c（0.1,0.7））%>%
替换_na（列表（cond=FALSE））%>%
分组依据（ID）%>%
汇总（cond=any（cond））%>%
汇总（分数=总和（cond）/n（）
#一个tibble:1x1
压裂
1 0.333
为了完整起见，并且因为问题有
数据。表
标签：

ds[, any(Score > 0.7), by = .(ID)][, sum(V1)/length(V1)]

或

为了验证结果是否正确，我们可以在链接的
数据中集成
print（）
语句。表
表达式：

ds[, any(Score > 0.7), by = .(ID)][, print(.SD)][, sum(V1)/length(V1)]

资料
库（data.table）
ds为了完整性，并且因为问题有一个
数据。表
标签：

ds[, any(Score > 0.7), by = .(ID)][, sum(V1)/length(V1)]

或

为了验证结果是否正确，我们可以在链接的
数据中集成
print（）
语句。表
表达式：

ds[, any(Score > 0.7), by = .(ID)][, print(.SD)][, sum(V1)/length(V1)]

资料
库（data.table）
ds谢谢，这看起来非常清晰，对我来说也很容易使用。我已经在我的真实数据上尝试过了，它返回的结果都是NA，并且有一条消息：
summary（）`ungroup output（用`groups`参数覆盖）
-我还需要为我的真实数据做些什么吗？与示例数据相比，你的真实数据看起来是什么样的？列中的一些行是NA，没有分数，这是唯一的区别，除了构成数据集的另外两列之外，管理解决了我的NAs问题，现在可以了-谢谢你的回复谢谢你，thi对我来说，s看起来非常清晰且易于使用。我已经在实际数据上尝试过它，但它返回的结果都是NA，并且有一条消息：
summary（）`解组输出（用`.groups`参数覆盖）
-对于我的真实数据，我还需要做些什么吗？与示例数据相比，您的真实数据看起来是什么样的？列中的某些行是NA，没有分数，这是唯一的区别，除了组成数据集的另外两个列管理解决了我的NAs问题，现在可以了-感谢您的回复
ds[, any(Score %in% c(0.1, 0.7)), by = .(ID)][, sum(V1)/length(V1)]

[1] 0.3333333

ds[, any(Score > 0.7), by = .(ID)][, print(.SD)][, sum(V1)/length(V1)]

     ID    V1
1: 1:10  TRUE
2: 2:20 FALSE
3: 3:30 FALSE
[1] 0.3333333

library(data.table)
ds <- structure(list(ID = c("1:10", "1:10", "1:10", "2:20", "2:20", 
"3:30", "3:30", "3:30"), Gene = c("Gene1", "Gene1", "Gene4", 
"Gene5", "Gene6", "Gene7", "Gene8", "Gene8"), Score = c(0.8, 
0.78, 0.6, 0.1, 0.7, 0.4, 0.6, 0.5)), row.names = c(NA, -8L), class = c("data.table", 
"data.frame"))