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:如何使用dplyr在多组行之间划分变量而不列出它们?,r,dplyr,R,Dplyr,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[condi
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。