如何使用dplyr在多组行之间划分变量而不列出它们？

下面是这个问题

如果我有这个数据框：

id = c("a","a","b","b","c","c")
condition = c(0,1,0,1,0,1)
gene1 = sample(1:100,6)
gene2 = sample(1:100,6)
#...
geneN = sample(1:100,6)

df = data.frame(id,condition,gene1,gene2,geneN)

我想按id分组，并将条件==0的行的值除以条件==1的行，得到以下结果：

df[condition == 0,3:5]/ df[condition == 1,3:5]
#
      gene1     gene2     geneN
1 0.2187500 0.4946237 0.3750000
3 0.4700000 0.6382979 0.5444444
5 0.7674419 0.5471698 2.3750000

我可以按如下方式使用dplyr：

df %>% 
    group_by(id) %>%
    summarise(gene1 = gene1[condition == 0] / gene1[condition == 1],
              gene2 = gene2[condition == 0] / gene2[condition == 1],
              geneN = geneN[condition == 0] / geneN[condition == 1])

但我有100个变量，如下所示。我怎样才能做到这一点而不必列出所有的基因

id = c("a","a","b","b","c","c")
condition = c(0,1,0,1,0,1)
genes = matrix(1:600,ncol = 100)
df = data.frame(id,condition,genes)

---

我们可以使用

summary_at

对许多列应用相同的操作

library(dplyr)

df2 <- df %>%
  group_by(id) %>%
  arrange(condition) %>%
  summarise_at(vars(-condition), funs(first(.)/last(.))) %>%
  ungroup()
df2
# # A tibble: 3 x 4
#   id    gene1 gene2 geneN
#   <fct> <dbl> <dbl> <dbl>
# 1 a     0.524 2.28  0.654
# 2 b     1.65  0.616 1.38 
# 3 c     0.578 2.00  2.17 

库（dplyr）
df2%
分组依据（id）%>%
安排（条件）%>%
总结（变量（-condition）、funs（first（.）/last（.））%>%
解组（）
df2
##tibble:3 x 4
#id gene1 gene2 geneN
#      
#1 a 0.524 2.28 0.654
#2 b 1.65 0.616 1.38
#3 c 0.5782.00 2.17

我们可以使用处的summary_对许多列应用相同的操作

library(dplyr)

df2 <- df %>%
  group_by(id) %>%
  arrange(condition) %>%
  summarise_at(vars(-condition), funs(first(.)/last(.))) %>%
  ungroup()
df2
# # A tibble: 3 x 4
#   id    gene1 gene2 geneN
#   <fct> <dbl> <dbl> <dbl>
# 1 a     0.524 2.28  0.654
# 2 b     1.65  0.616 1.38 
# 3 c     0.578 2.00  2.17 

库（dplyr）
df2%
分组依据（id）%>%
安排（条件）%>%
总结（变量（-condition）、funs（first（.）/last（.））%>%
解组（）
df2
##tibble:3 x 4
#id gene1 gene2 geneN
#      
#1 a 0.524 2.28 0.654
#2 b 1.65 0.616 1.38
#3 c 0.5782.00 2.17

您可以试试

df %>% 
  gather(k,v, -id, -condition) %>% 
  spread(condition, v) %>% 
  mutate(ratio=`0`/`1`) %>% 
  select(id, k, ratio) %>% 
  spread(k, ratio)
  id      gene1     gene2    geneN
1  a  0.3670886 0.5955056 1.192982
2  b  0.4767442 1.2222222 0.125000
3  c 18.2000000 2.0909091 6.000000

将数据用于set.seed（123）您可以尝试

df %>% 
  gather(k,v, -id, -condition) %>% 
  spread(condition, v) %>% 
  mutate(ratio=`0`/`1`) %>% 
  select(id, k, ratio) %>% 
  spread(k, ratio)
  id      gene1     gene2    geneN
1  a  0.3670886 0.5955056 1.192982
2  b  0.4767442 1.2222222 0.125000
3  c 18.2000000 2.0909091 6.000000

---

将数据与set.seed（123）一起使用如果数据集已排序且无异常，则可以使用

purr:：map\u dfr

：

df[paste0("gene",c(1,2,"N"))] %>% map_dfr(~.x[c(F,T)]/.x[c(T,F)])
# # A tibble: 3 x 3
#       gene1    gene2      geneN
#       <dbl>    <dbl>      <dbl>
# 1 0.1764706 1.323944 38.5000000
# 2 0.4895833 0.531250  0.3478261
# 3 0.3278689 2.705882  1.2424242

---

您可能需要绑定

观测值，我跳过了此步骤，因为它不在您的预期输出中。
如果您的数据集已排序且没有不规则，则可以使用
purr:：map\u dfr
执行此操作：

df[paste0("gene",c(1,2,"N"))] %>% map_dfr(~.x[c(F,T)]/.x[c(T,F)])
# # A tibble: 3 x 3
#       gene1    gene2      geneN
#       <dbl>    <dbl>      <dbl>
# 1 0.1764706 1.323944 38.5000000
# 2 0.4895833 0.531250  0.3478261
# 3 0.3278689 2.705882  1.2424242

您可能需要绑定
观察值
，我跳过了此步骤，因为它不在您的预期输出中。
请您修改示例并包含“许多变量”好吗？更新了问题。请您修改示例并包含“许多变量”好吗更新了该问题。您可能需要添加一个
排列
，以确保划分的行正确，因为
first（）
和
last（）
不会检查它。@CPak好主意。我要补充一点。这个答案很好，但对于较大的数据，例如id=c（“a”、“a”、“b”、“b”、“c”、“c”）；条件=c（0,1,0,1,0,1）；基因=基质（1:30000，ncol=5000）；df=data.frame（id，condition，genes）如果是这种情况，也许可以探索
data.table
中的解决方案，或者使用
matrix
进行所有计算。您可能需要添加一个
arrange
以确保您划分的行是正确的，因为
first（）
和
last（）
不会检查它。@CPak好主意。我要补充一点。这个答案很好，但对于较大的数据，例如id=c（“a”、“a”、“b”、“b”、“c”、“c”）；条件=c（0,1,0,1,0,1）；基因=基质（1:30000，ncol=5000）；df=data.frame（id、条件、基因）如果是这种情况，也许可以在
data.table
中探索解决方案，或者使用
matrix
进行所有计算。