logo标签列表

在R中对数据框进行子集选择

rsubsetrowsum
3

我有这样一个数据框：

GENE    a1  a2  a3  b1  b2  b3
G1  862 817 923 1096    997 946
G2  443 410 421 448 417 388
G3  396 348 372 428 351 361
G4  350 319 310 394 295 311
G5  350 332 341 412 303 316
G6  377 369 397 462 330 351
G7  362 348 399 437 378 376
G8  332 312 398 387 372 332
G9  511 473 564 496 533 441
G10 42  54  48  24  19  17
G11 346 308 343 279 349 259
G12 273 255 265 199 270 206
G13 26  19  18  14  19  19
G14 17  9   10  8   9   11
G15 12  8   6   9   5   21

第一行是表头。我想筛选这个数据框，以便最终获得那些至少有三列计数>30的行。
我做了类似于以下的操作：
data <- read.table("test.txt",header=TRUE,sep="\t",row.names=1)
data <- data[rowSums(data) > 30,]

但这将汇总第1到第6列，并查看总和是否>30。我想为每一列执行>30，然后在其中，有3个或更多的列具有计数30。因此，我的数据框的输出应该是：
GENE    a1  a2  a3  b1  b2  b3
G1  862 817 923 1096    997 946
G2  443 410 421 448 417 388
G3  396 348 372 428 351 361
G4  350 319 310 394 295 311
G5  350 332 341 412 303 316
G6  377 369 397 462 330 351
G7  362 348 399 437 378 376
G8  332 312 398 387 372 332
G9  511 473 564 496 533 441
G10 42  54  48  24  19  17
G11 346 308 343 279 349 259
G12 273 255 265 199 270 206

我该怎么做？

谢谢

2个回答
4
考虑你的数据框为DF。
> rowSelect <- rowSums(DF[,-1]>30)>= 3
> DF[rowSelect, ]
   GENE  a1  a2  a3   b1  b2  b3
1    G1 862 817 923 1096 997 946
2    G2 443 410 421  448 417 388
3    G3 396 348 372  428 351 361
4    G4 350 319 310  394 295 311
5    G5 350 332 341  412 303 316
6    G6 377 369 397  462 330 351
7    G7 362 348 399  437 378 376
8    G8 332 312 398  387 372 332
9    G9 511 473 564  496 533 441
10  G10  42  54  48   24  19  17
11  G11 346 308 343  279 349 259
12  G12 273 255 265  199 270 206

简单解释：

DF[,-1]>30 测试数值列中哪些值大于30

rowSums(.)>= 3 表示满足条件的行：至少有3个列的计数 > 30

DF[rowSelect, ] 选择您要求的那些行

1
整洁，我不知道DF[,-1]的存在。 - user3138373
1
假设您的数据称为dat，您可以像这样获取所需的行（假设 GENE 具有行名称，并且不是实际列）：
dat[apply(dat, 1, function(x) sum(x > 30) >= 3), ]

如果 GENE 是数据框的实际列（并且是第一列），你可以通过在行选择中使用 dat[, -1] 而不是 dat 来安全地从 apply 计算中删除它：
dat[apply(dat[, -1], function(x) sum(x > 30) >= 3), ]
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接