每行计算满足条件的实例数量 R

Question

我有一个大文件，第一列是ID，其余的1304列是像下面这样的基因型。

rsID    sample1    sample2    sample3...sample1304
abcd    aa         bb         nc        nc
efgh    nc         nc         nc        nc 
ijkl    aa         ab         aa        nc 

我希望能够对每行中 "nc" 值的数量进行计数，并将结果输出到另一列中，从而得到以下结果:

rsID    sample1    sample2    sample3...sample1304    no_calls
abcd    aa         bb         nc        nc            2
efgh    nc         nc         nc        nc            4
ijkl    aa         ab         aa        nc            1

表格函数按列计算频率，而不是行。如果我要转置数据以在表格函数中使用，我需要将文件看起来像这样：

abcd         aa[sample1]
abcd         bb[sample2]
abcd         nc[sample3] ...
abcd         nc[sample1304]
efgh         nc[sample1]
efgh         nc[sample2]
efgh         nc[sample3] ...
efgh         nc[sample1304]

使用这种格式，我可以得到以下输出结果，这正是我想要的：

ID    nc   aa   ab   bb
abcd  2    1    0    1
efgh  4    0    0    0

有没有简单的方法可以按行获取频率？我现在正在尝试这个方法，但运行起来需要很长时间：

rsids$Number_of_no_calls <- apply(rsids, 1, function(x) sum(x=="NC"))

- nchimato

---

R 是区分大小写的。数据显示“nc”，但应用程序中使用的是“NC”...¿？ - PereG

rowSums 可能是正确的函数。 - talat

Answer 1

你可以使用rowSums。

df$no_calls <- rowSums(df == "nc")
df
#  rsID sample1 sample2 sample3 sample1304 no_calls
#1 abcd      aa      bb      nc         nc        2
#2 efgh      nc      nc      nc         nc        4
#3 ijkl      aa      ab      aa         nc        1

正如MrFlick所指出的那样，为了从行总和中排除第一列，您可以稍微修改方法：

df$no_calls <- rowSums(df[-1] == "nc")

---

关于行名称：它们在 rowSums 中不被计算，你可以进行一个简单的测试来证明：

rownames(df)[1] <- "nc"  # name first row "nc"
rowSums(df == "nc")      # compute the row sums
#nc  2  3             
# 2  4  1        # still the same in first row

- talat

---

也许可以使用 df$no_calls <- rowSums(df[,-1] == "nc") 来忽略第一列中的任何 "nc" 值。 - MrFlick

@MrFlick，如果该列中有任何要点，那就是个好观点。 - talat

@doc 如果将第一列读入为行名，那么您发布的原始代码是否会计算第一列中的“nc”值？ - nchimato

@nchimato，不，它不会。 - talat