R 计算每个类别列的发生次数

我试图计算每个SNP名称在iets列中的“Opp”发生量（最终我想将“Opp”发生量除以df$MM）

我一直在尝试类似的方法，但是我似乎不知道如何将发生值分配给我的oppcount/percentage列。
首先，我必须计算每个SNP的“Opp”数量，然后除以MM

as.character((sum(df$iets == "Opp")/(df[,.N, by = df$SNP][[2]])))
#[1] "0.5" "2"  

---

如何计算每个SNP（类别）的“Opp”发生量？

rs8.oppcount使用
dplyr
怎么样

library('dplyr')
df %>% group_by(iets, SNP) %>% summarize(count=sum(count)) %>% filter(iets=='Opp')

您可以通过使用
：=
运算符引用来更新
数据。表
。与：

df[, `:=` (oppcount = sum(iets=='Opp'), percentage = sum(iets=='Opp')/.N), by = SNP]

你会得到：

> df
          SNP       FID       IID NEW OLD count MM iets oppcount percentage
1: rs80932150 116601888 116601888 T/T C/C     1  4  Opp        2        0.5
2: rs80932150 116621563 116621563 T/C C/C     1  4  Het        2        0.5
3: rs80932150 117253533 117253533 T/T C/C     1  4  Opp        2        0.5
4:   rs000001 118635095 118635095 T/C C/C     1  1  Het        0        0.0
5: rs80932150 118943247 118943247 T/C C/C     1  4  Het        2        0.5

或者，根据@Frank在评论中的建议，您也可以使用以下两个选项之一：

# method 1
df[, c('oppcount', 'percentage') := {s = sum(iets=='Opp'); .(s, s/.N)}, by = SNP]
# method 2
df[df[, {s = sum(iets=='Opp'); .(oppcount = s, percentage = s/.N)}, by = SNP], on = 'SNP']


一个基本的R替代方案：

transform(df,
          oppcount = ave(iets, SNP, FUN = function(x) sum(x=='Opp')),
          percentage = ave(iets, SNP, FUN = function(x) sum(x=='Opp')/length(x)))


正确的
dplyr
备选方案是：

library(dplyr)
df %>% 
  group_by(SNP) %>% 
  mutate(oppcount = sum(iets=='Opp'),
         percentage = oppcount/n())

这是第一步，但我的实际数据集包含约10万行，共有约20万个不同的SNP。我正在寻找一个无论SNP名称如何都能正常工作的解决方案。我希望每个SNP组的重新排序不重要。幸运的是，不重要，>df2 DF1重新排序SNP组不重要，我可以简单地
match（）
将它们恢复到它们所属的位置！仅供参考，计算条件适用的实例的标准方法是求和（cond（x））

而不是长度（x[cond（x）]），如公认答案所示。我认为Dplyr还有其他一些方便的函数，在这个例子中，它只生成一行，不包括只有“Het”的rs id。

> df
          SNP       FID       IID NEW OLD count MM iets oppcount percentage
1: rs80932150 116601888 116601888 T/T C/C     1  4  Opp        2        0.5
2: rs80932150 116621563 116621563 T/C C/C     1  4  Het        2        0.5
3: rs80932150 117253533 117253533 T/T C/C     1  4  Opp        2        0.5
4:   rs000001 118635095 118635095 T/C C/C     1  1  Het        0        0.0
5: rs80932150 118943247 118943247 T/C C/C     1  4  Het        2        0.5

# method 1
df[, c('oppcount', 'percentage') := {s = sum(iets=='Opp'); .(s, s/.N)}, by = SNP]
# method 2
df[df[, {s = sum(iets=='Opp'); .(oppcount = s, percentage = s/.N)}, by = SNP], on = 'SNP']

transform(df,
          oppcount = ave(iets, SNP, FUN = function(x) sum(x=='Opp')),
          percentage = ave(iets, SNP, FUN = function(x) sum(x=='Opp')/length(x)))

library(dplyr)
df %>% 
  group_by(SNP) %>% 
  mutate(oppcount = sum(iets=='Opp'),
         percentage = oppcount/n())