根据data.frame的分组计算统计信息
我有以下data.frame,我想计算一些统计数据:根据data.frame的分组计算统计信息,r,dplyr,plyr,R,Dplyr,Plyr,我有以下data.frame,我想计算一些统计数据: gene_symbol signal_window signal_score MEF_chRNA ES_chRNA signal_dist_to_gene 262764 GOT1 218220 0.08 0.2696089 0.3356937140 44805 403001 NKX2 218220 0.08
gene_symbol signal_window signal_score MEF_chRNA ES_chRNA signal_dist_to_gene
262764 GOT1 218220 0.08 0.2696089 0.3356937140 44805
403001 NKX2 218220 0.08 0.0000000 0.0008852885 42915
262630 GOT1 218221 0.08 0.2696089 0.3356937140 45005
403039 NKX2 218221 0.08 0.0000000 0.0008852885 42715
262793 GOT1 218222 0.00 0.2696089 0.3356937140 45205
402663 NKX2 218222 0.00 0.0000000 0.0008852885 42515
262867 GOT1 218223 0.16 0.2696089 0.3356937140 45405
402737 NKX2 218223 0.16 0.0000000 0.0008852885 42315
262677 GOT1 218224 0.16 0.2696089 0.3356937140 45605
403006 NKX2 218224 0.16 0.0000000 0.0008852885 42115
262858 GOT1 218225 0.16 0.2696089 0.3356937140 45805
402953 NKX2 218225 0.16 0.0000000 0.0008852885 41915
如示例data.frame所示,对于每个信号窗口
,可以有多个基因符号
值。现在,对于每个signal\u窗口中的每个gene\u符号
,我想计算1/signal\u到基因的距离
。我想使用此值计算每个信号窗口中每个基因符号的每个1/信号距离到基因的总和
例如,窗口218220有两个基因。对于我要计算的每个基因:
gene_weight_GOT1 = (1/signal_dist_to_gene_GOT1) / (1/signal_dist_to_gene_GOT1 + 1/signal_dist_to_gene_NKX2)
gene_weight_NKX2 = (1/signal_dist_to_gene_NKX2) / (1/signal_dist_to_gene_GOT1 + 1/signal_dist_to_gene_NKX2)
我最终想使用这些基因权重变量来计算:
MEF_prop = [MEF_chRNA_GOT1 * gene_weight_GOT1 * 1/2 + MEF_chRNA_NKX2 * gene_weight_NKX2 * 1/2] / [gene_weight_GOT1 * (MEF_chRNA_GOT1/2 + ES_chRNA_GOT1/2) + gene_weight_NKX2 * (MEF_chRNA_NKX2/2 + ES_chRNA_NKX2/2)]
在同一个窗口中总是有两个基因,这是不可能的。有些情况下没有基因(NA),有些情况下有20+基因是否有一种使用plyr或dplyr计算的简单方法?应该这样做。首先,我们按信号_窗口分组,然后根据指定计算权重。分母中的和
通过组(信号窗口)计算
标准语法data.df%>%groupby()%>%mutate()
对于您正在尝试的内容来说应该非常简单
您的代码可能最终看起来像这样:
data.df %>%
group_by(signal_window, gene_symbol) %>%
mutate(gene_weight = (1/signal_dist_to_gene) / sum(1/signal_dist_to_gene)) %>%
mutate(MEF_prop = (MEF_chRNA * gene_weight * 1/2 + MEF_chRNA * gene_weight * 1/2) / (gene_weight * (MEF_chRNA/2 + ES_chRNA/2) + gene_weight * (MEF_chRNA/2 + ES_chRNA/2)))
如果希望在信号窗口中对每个重复符号进行唯一处理,则可以从分组依据中删除基因符号
,或者如果希望将其分组,则将其保留在该窗口中
这就是你想要的吗
data.df %>%
group_by(signal_window, gene_symbol) %>%
mutate(gene_weight = (1/signal_dist_to_gene) / sum(1/signal_dist_to_gene)) %>%
mutate(MEF_prop = (MEF_chRNA * gene_weight * 1/2 + MEF_chRNA * gene_weight * 1/2) / (gene_weight * (MEF_chRNA/2 + ES_chRNA/2) + gene_weight * (MEF_chRNA/2 + ES_chRNA/2)))