R-使用列上的计算折叠数据帧的行

我有一个看起来像这样的数据框

sampleDF <- data.frame(entrezgene_id = c(rep(1, 20), rep(10, 25), rep(100, 5)),
                       ensembl_gene_id = c(rep("a", 7), rep("b", 8), rep("c", 7),
                                           rep("d", 8), rep("e", 15),
                                           rep("f", 2), rep("g", 2), rep("h", 1)),
                       transcript_length = sample(500:10000, 50))

entrezgene_id   ensembl_gene_id medianTranscriptLength
            1                 a                   5795
            1                 b                   4981
            1                 c                   6526
           10                 c                   2307
           10                 d                   5044
           10                 e                   6069
          100                 f                   8669
          100                 g                 6570.5
          100                 h                   6997

其中，它迭代第一列中的每个项目，对于第二列中的每个项目，计算第三列中相应值的中值。 我现在的做法是创建另一个数据帧，其中第二列是键。但是，由于第二列中的重复项与第一列的多个条目重叠（例如，在我的示例中，请参见ensembl_gene_id“c”），因此我必须创建另一个数据帧，在该数据帧中，我展平了entrezgene_id列。我相信一定有一种更短的方法可以做到这一点。这似乎很简单，但我不知道怎么做。我非常感谢你的帮助

---

谢谢

我们可以使用

聚合

来自

基本R

aggregate(transcript_length ~ ., sampleDF, median)

---

我们可以从

base R

aggregate(transcript_length ~ ., sampleDF, median)

---

另一方面，考虑使用<代码> TpEp< /COD>：

tapply(sampleDF$transcript_length, list(sampleDF$entrezgene_id, sampleDF$ensembl_gene_id), median)
       a    b      c      d    e      f      g    h
1   7059 3972 2709.0     NA   NA     NA     NA   NA
10    NA   NA 5826.5 3573.5 6797     NA     NA   NA
100   NA   NA     NA     NA   NA 2749.5 3335.5 6291

---

结果以更加简洁的方式显示。

< P>可选地，考虑使用<代码> TpEp< /COD>：

tapply(sampleDF$transcript_length, list(sampleDF$entrezgene_id, sampleDF$ensembl_gene_id), median)
       a    b      c      d    e      f      g    h
1   7059 3972 2709.0     NA   NA     NA     NA   NA
10    NA   NA 5826.5 3573.5 6797     NA     NA   NA
100   NA   NA     NA     NA   NA 2749.5 3335.5 6291

---

结果将以更加简洁的方式显示。

谢谢。这正是我需要的。如果你不介意的话，再问一个问题。例如，如果我想编写一些自定义函数，而不是中值函数，我该怎么做？@ZuhaibAhmed您可以动态创建匿名函数（lamba函数），即

aggregate（transcript_length~，sampleDF，FUN=function（x）median（x，na.rm=TRUE））

它也可以是一个自定义函数

FUN=f1

我假设输入函数的只是“transcript_length”中与第2列中的值相对应的值？@ZuhaibAhmed这里的

x

是来自

~

的lhs的列的值，即transcript_length'。

表示用于分组的所有其他列。如果您有100列，并且只想使用2或3进行分组，那么请使用

+

在公式中指定这些列，非常感谢您的帮助！非常感谢。这正是我需要的。如果你不介意的话，再问一个问题。例如，如果我想编写一些自定义函数，而不是中值函数，我该怎么做？@ZuhaibAhmed您可以动态创建匿名函数（lamba函数），即

aggregate（transcript_length~，sampleDF，FUN=function（x）median（x，na.rm=TRUE））

它也可以是一个自定义函数

FUN=f1

我假设输入函数的只是“transcript_length”中与第2列中的值相对应的值？@ZuhaibAhmed这里的

x

是来自

~

的lhs的列的值，即transcript_length'。

表示用于分组的所有其他列。如果您有100列，并且只想使用2或3进行分组，那么请使用

+

在公式中指定这些列，非常感谢您的帮助！我不知道塔普利的事。谢谢你提醒我。这肯定很有用，但就我目前的目的而言，我希望它采用我上面提到的形式。结果证明聚合函数正是我想要的。我不知道tapply。谢谢你提醒我。这肯定很有用，但就我目前的目的而言，我希望它采用我上面提到的形式。结果证明聚合函数正是我想要的。