形成线组并选择特定值（R）

我想在“type1”collumn和“type2”collumn之间的相互连接（两种方式）的基础上形成一组行。逻辑是：如果“type1”中的字符串与“type2”中的字符串位于同一行，则它们位于同一组中。但是，如果“type2”不止一行，则所有这些都在同一组中

请看前三行：“增益765”和“损耗1136”是相关的。然而，“损失1136”与“收益766”相关，随后“收益766”与“损失765”相关。这就是我的团队：1-“增益765”，2-“损耗1136”，3-“增益766”，4-“损耗765”

在这个组中，我想在组的第一行用“chrx”中的字符串做一个新行；“startx”和“starty”中的最低值；“endx”和“endy”中的值较大。以我的数据为例：

 type1      chrx     startx  endx   chry    starty   endy    type2
gain_765    chr15   9681969 9685418 chr15   9660912 9712719 loss_1136
gain_766    chr15   9706682 9852347 chr15   9660912 9712719 loss_1136
gain_766    chr15   9706682 9852347 chr15   9765125 9863990 loss_765
gain_780    chr20   9706682 9852347 ch20    9765125 9863990 loss_769
gain_760    chr15   9706682 9852347 chr15   9660912 9712719 loss_1137
gain_760    chr15   9706682 9852347 chr15   9765125 9863990 loss_763

对于第一组（第1行至第3行），这是预期输出：

 chr       start     end
 chr15    9660912   9863990

现在，请看第4行：“增益780”仅与“损耗769”相关。该组（仅第4行）的输出是否预期如下：

 chr       start     end
chr20     9706682   9863990

现在，第5行和第6行组由“增益760”组成；“损失1137”和“损失763”。在最后一种情况下，预期输出为：

  chr       start     end
 chr15     9660912   9863990

但是，我有数千行的案例。因此，我需要一个唯一输出中的所有结果，如下所示：

  chr       start     end
 chr15    9660912   9863990
 chr20    9706682   9863990
 chr15    9660912   9863990

---

干杯。

您可以按如下操作：

library(igraph)

DF <- read.csv(text=
"type1,chrx,startx,endx,chry,starty,endy,type2
gain_765,chr15,9681969,9685418,chr15,9660912,9712719,loss_1136
gain_766,chr15,9706682,9852347,chr15,9660912,9712719,loss_1136
gain_766,chr15,9706682,9852347,chr15,9765125,9863990,loss_765
gain_780,chr20,9706682,9852347,ch20,9765125,9863990,loss_769
gain_760,chr15,9706682,9852347,chr15,9660912,9712719,loss_1137
gain_760,chr15,9706682,9852347,chr15,9765125,9863990,loss_763",
stringsAsFactors=F)

# create a graph with the relations type1 --> type2
# you can visualize it using: plot(g)
g <- graph.data.frame(DF[,c('type1','type2')])

# decompose in the connected components
subgraphs <- decompose.graph(g,mode="weak")

# create the sub data.frames using the subgraphs vertices
subDFs <- lapply(subgraphs,
                FUN=function(sg){ 
                      v <- V(sg)$name; 
                      DF[DF$type1 %in% v | DF$type2 %in% v,];
                    }
                )

# create the single-line data.frames for each group
subRes <- lapply(subDFs,
                 FUN=function(sd){
                       data.frame(chrx=sd$chrx[1], 
                                  start=min(c(sd$startx,sd$starty)), 
                                  end=max(c(sd$endx,sd$endy)))
                     }
                )

# merge the result in one single data.frame
res <- do.call(rbind.data.frame,subRes)

res 
>
  chrx   start     end
1 chr15 9660912 9863990
2 chr20 9706682 9863990
3 chr15 9660912 9863990

库（igraph）
DF类型2
#可以使用：plot（g）将其可视化
g在您的小示例中，第一组似乎也包含
增益760
，因为它连接到第一组中的
损耗1136
。。。我错了吗？你是对的！这是我的错，对不起。我修改了这个例子。现在请看一看。谢谢不。所有重复的type1字符串都是后续行。然后，如果“gain_765”与多个“type2”字符串相关，它将始终显示在下面的行中。它能回答你的问题吗？是的，很抱歉，这是增益760的情况…同样适用于type2字符串。始终是后续行。