R 按列id字符的子集聚合表中的项

我正在使用R处理一个基因表达数据集。我对编码相当陌生，所以如果我没有详细描述这个问题，请原谅我

我的数据集如下所示：

    GeneID        Sample1    Sample2
    Slc26a5-001   7          8
    Slc26a5-002   1          2
    Homer2-001    6          5
    Slc26a5-200   8          10

基因名是ID的第一部分（Slc26a5），转录本编号由（-001）表示。我需要找到一种方法将所有不同的转录本ID折叠在一起，同时对它们各自的行求和。输出如下所示：

    GeneID        Sample1    Sample2
    Slc26a5       16         20
    Homer2        6          5

聚合函数应该能够根据gene ID将行相加。但是，我被卡住了，因为我无法理解如何仅通过聚合函数中名称的第一部分引用gene ID

有人知道怎么做吗

---

谢谢你的帮助

我们可以使用

rowsum

。为了便于理解，我们将其拆分为多行（尽管可以在一行中完成）

---

或者使用

data.table

，我们将'data.frame'转换为'data.table'（

setDT（df2）

），

通过分隔符拆分'GeneID'，循环遍历data.table的子集并得到
和

library(data.table)
setDT(df2)[, lapply(.SD, sum),.(GeneID=tstrsplit(GeneID, "-")[[1]])]
#    GeneID Sample1 Sample2
#1: Slc26a5      16      20
#2:  Homer2       6       5

注：以上两种解决方案将非常有效

数据
df2主要的事情是删除
GeneID
列的尾部，以便对分组进行标准化。下面使用
sub（）
完成此操作。然后它几乎就是标准的聚合。使用
aggregate（）
，以下操作将完成此操作

aggregate(df[-1], list(GeneID = sub("-.*", "", df$GeneID)), sum)
#    GeneID Sample1 Sample2
# 1  Homer2       6       5
# 2 Slc26a5      16      20

我们还可以使用
rowsum（）
，而不必转换任何数据

rowsum(df[-1], sub("-.*", "", df$GeneID))
#         Sample1 Sample2
# Homer2        6       5
# Slc26a5      16      20

数据：

df <- structure(list(GeneID = structure(c(2L, 3L, 1L, 4L), .Label = c("Homer2-001", 
"Slc26a5-001", "Slc26a5-002", "Slc26a5-200"), class = "factor"), 
    Sample1 = c(7L, 1L, 6L, 8L), Sample2 = c(8L, 2L, 5L, 10L)), .Names = c("GeneID", 
"Sample1", "Sample2"), class = "data.frame", row.names = c(NA, 
-4L))

df Hi DSS，我使用了您的第一个答案聚合（.~cbind（GeneName=sub（“-.*”，”，rownames（df））），df，sum）谢谢！嗨，DSS-哦，好眼睛。起初我没有注意到，但你是对的。您的第二个解决方案更好，并且不会生成额外的列rowsum（df，sub（“-*”，”，rownames（df））@Paul-最好将
dput（df）
的输出粘贴到您的问题中，向我们显示数据的确切结构，这样我们就可以得到100%的正确性。显示的数据有三列，没有行名称。
aggregate(df[-1], list(GeneID = sub("-.*", "", df$GeneID)), sum)
#    GeneID Sample1 Sample2
# 1  Homer2       6       5
# 2 Slc26a5      16      20

rowsum(df[-1], sub("-.*", "", df$GeneID))
#         Sample1 Sample2
# Homer2        6       5
# Slc26a5      16      20

df <- structure(list(GeneID = structure(c(2L, 3L, 1L, 4L), .Label = c("Homer2-001", 
"Slc26a5-001", "Slc26a5-002", "Slc26a5-200"), class = "factor"), 
    Sample1 = c(7L, 1L, 6L, 8L), Sample2 = c(8L, 2L, 5L, 10L)), .Names = c("GeneID", 
"Sample1", "Sample2"), class = "data.frame", row.names = c(NA, 
-4L))