为dataframe中的每列列出多个级别

所需输出：

> head(Gene)
  Key Func.ensGene Func.genericGene Func.refGene
1   1   intergenic       intergenic   intergenic
2   2   intergenic       intergenic   intergenic
3   3   intergenic       intergenic     intronic
4   4       exonic           exonic       exonic
5   5   intergenic       intergenic     intronic
6   6   intergenic       intergenic     intronic

我尝试的解决方案仅适用于一列：

Type          Func.ensGene Func.genericGene Func.refGene
exonic             1              1                1
intergenic         5              5                2
intronic           0              0                3

我能得到如上所示的输出表并得到条形图吗

---

其中，X轴具有“类型”，条形图表示每列的计数

我们可以从数据帧中获得所有

唯一的

级别，对于每一列，首先将其转换为

因子

，然后再计算唯一级别，从而计算每个级别的计数

unique(Gene["Func.ensGene"])

---

唯一的\u名称只需使用
？xtabs
和
？stack
：

unique_names <- unique(unlist(df[-1]))
sapply(df[-1], function(x) table(factor(x, levels = unique_names)))

#           Func.ensGene Func.genericGene Func.refGene
#intergenic            5                5            2
#exonic                1                1            1
#intronic              0                0            3

甚至更短，正如@nicola所说：

xtabs( ~ values + ind , stack(df1[,-1]))

对于这两种情况，您可以获得：

table(stack(df1[,-1]))

您更喜欢在data.frame上进一步工作吗

#            ind
#values       Func.ensGene Func.genericGene Func.refGene
#  exonic                1                1            1
#  intergenic            5                5            2
#  intronic              0                0            3

喜欢基本的R解决方案，但使用
data.table
和一些
magrittr
可直接获得data.frame（而不是table）：

或者更简洁地说（如亨里克所建议的）：

如果您更喜欢tidyverse功能：

dcast(melt(df, "Key"), value ~ variable)

library（tidyr）
df%>%
聚集（键=键）%>%
分组依据（键，值）%>%
计数（）%>%
排列（键，n，填充=0）
#一个tibble:3x4
#组：值[3]
值Func.ensGene Func.genericGene Func.refGene
1外显子1
2基因间5 2
3内含子0 0 3

数据：

df
dput（head（Gene））
比只
head（Gene）
更适合那些可读性较差的人：
dcast（melt（df，“Key”），value~variable）
谢谢@Henrik，我忘记了
dcast（）
的总结功能。
library(magrittr)
library(data.table)
setDT(df)
df %>%
  melt(id.vars = "Key") %>%
  .[, .N, .(variable, value)] %>% 
  dcast(value ~ variable, value.var = "N", fill = 0)

        value Func.ensGene Func.genericGene Func.refGene
1:     exonic            1                1            1
2: intergenic            5                5            2
3:   intronic            0                0            3

dcast(melt(df, "Key"), value ~ variable)

library(tidyr)
df %>%
  gather(key = Key) %>%
  group_by(Key, value) %>%
  count() %>%
  spread(Key, n, fill = 0)

# A tibble: 3 x 4
# Groups:   value [3]
  value      Func.ensGene Func.genericGene Func.refGene
  <chr>             <dbl>            <dbl>        <dbl>
1 exonic                1                1            1
2 intergenic            5                5            2
3 intronic              0                0            3

df <- data.frame(
  Key              = 1:6, 
  Func.ensGene     = c("intergenic", "intergenic", "intergenic", "exonic", "intergenic", "intergenic"), 
  Func.genericGene = c("intergenic", "intergenic", "intergenic", "exonic", "intergenic", "intergenic"), 
  Func.refGene     = c("intergenic", "intergenic", "intronic", "exonic", "intronic", "intronic"),
  stringsAsFactors = FALSE
)