dplyr如何解析具有相同值的查询

我有一个包含四列的数据框架，我感兴趣的是根据最小的“evalue”选择最佳的“Query\u id”

以下是我的数据框的外观：

  Query_id        Subject_id percent_identity  evalue 
1    35538      contig404347              100 4.6e+00 
2    35538 GeneScaffold_1991              100 4.6e+00 
3    35539 GeneScaffold_2894              100 6.0e-18 
4    35539 GeneScaffold_3680              100 4.6e+00 
5    35540  GeneScaffold_530              100 8.0e-16 
6    35540      contig456880              100 1.3e+00 

这是

dplyr

代码

newdata <- as.data.frame(group_by(data, Query_id) %>% 
  summarise(
      Subject_id = Subject_id[1], 
      percent_identity = percent_identity[1], 
      evalue = min(evalue))

---

查询id的3559和35540正常，符合预期，但35538如何。即使两个id的evalue相同，它也只选择了第一个。这是

dplyr

的默认行为吗？

这与

dplyr

无关-您只“选择了第一个”

回想一下

dplyr

中的

summary

返回一行，并且您决定返回主题id的

Subject_id[1]

（即使这不符合最小的

evalue

！）。同样，

min（evalue）

返回（单个）最小值

evalue

如果您希望返回所有达到最小值的行，请尝试

data %>%
  group_by(Query_id) %>%
  filter(evalue==min(evalue))

它对数据帧的每一位进行子集，并返回所有行的最小值

evalue

或者，如果您只想为每个最小值选择一行，您可以这样做

data %>% group_by(Query_id) %>% slice(which.min(evalue))

---

它将返回达到最小值的行的第一个（对于每个

查询id

），其中第一个被返回，因为

which.min

返回的是什么（最小值的索引，第一个出现的索引），与

dplyr

无关，感谢您修复了我的错误，并提供了很好的解释。

data %>% group_by(Query_id) %>% slice(which.min(evalue))