按列名识别填充矩阵

Question

我有许多样本，每个样本都有一个对应的丰度矩阵。我想从这些丰度矩阵中创建一个大矩阵，其中包含每个样本的丰度信息。

例如，单个丰度矩阵如下:

           A  B  C  D 
sample1    1  3  4  2

A、B、C和D代表列名，丰度为行值。

我想要填充我的较大矩阵，它的列名为所有可能的字母（A:Z），所有可能的样本（sample1：sampleN）作为行，在匹配列名值时进行填充。

例如：

         A  B  C  D  E  F  G ....  Z
sample1  1  3  4  2  NA NA NA ....
sample2  NA NA 2  5  7  NA NA ....
sample3  4  NA 6  9  2  NA 2 .....
....
sampleN

不同的样本有不同的丰度混合，而且没有保证顺序。

在迭代向这个大矩阵添加时，如何确保正确的列由正确的丰度值填充（例如，“A”列仅由对应于不同样本中“A”丰度的值填充）？谢谢！

- Darth_Vedar

Answer 1

开始数据，稍作修改以突出差异：

m1 <- as.matrix(read.table(header=TRUE, text="
           A  B  C  Z
sample1    1  3  4  2"))
m2 <- as.matrix(read.table(header=TRUE, text="
         A  B  C  D  E  F  G
sample2  NA NA 2  5  7  NA NA
sample3  4  NA 6  9  2  NA 2"))

首先，我们需要确保两个矩阵具有相同的列名：

newcols <- setdiff(colnames(m2), colnames(m1))
m1 <- cbind(m1, matrix(NA, nr=nrow(m1), nc=length(newcols), dimnames=list(NULL, newcols)))
newcols <- setdiff(colnames(m1), colnames(m2))
m2 <- cbind(m2, matrix(NA, nr=nrow(m2), nc=length(newcols), dimnames=list(NULL, newcols)))

m1
#         A B C Z  D  E  F  G
# sample1 1 3 4 2 NA NA NA NA
m2
#          A  B C D E  F  G  Z
# sample2 NA NA 2 5 7 NA NA NA
# sample3  4 NA 6 9 2 NA  2 NA

现在我们将它们合并起来；常规的cbind函数需要列名对齐：

rbind(m2, m1[,colnames(m2),drop=FALSE])
#          A  B C  D  E  F  G  Z
# sample2 NA NA 2  5  7 NA NA NA
# sample3  4 NA 6  9  2 NA  2 NA
# sample1  1  3 4 NA NA NA NA  2

- r2evans

Answer 2

您应该能够利用矩阵索引，像这样：

big[cbind(rownames(abun),colnames(abun))] <- abun

使用这个示例的丰度矩阵和一个大矩阵来填充：

abun <- matrix(c(1,3,4,2),nrow=1,dimnames=list("sample1",LETTERS[1:4]))
big <- matrix(NA,nrow=5,ncol=26,dimnames=list(paste0("sample",1:5),LETTERS))

- thelatemail

Answer 3

使用purrr包中的reduce和dplyr包中的union_all，可以得到另一种解决方案：

library(purrr)
library(dplyr)

sample_names <- c("sample1","sample2","sample3")

生成3个随机丰度数据框：

num1 <- round(runif(runif(1,min = 1, max = 10),min = 1, max = 10))
df1 <- data.frame(t(num1))
colnames(df1) <- sample(LETTERS,length(num1))

num2 <- round(runif(runif(1,min = 1, max = 10),min = 1, max = 10))
df2 <- data.frame(t(num2))
colnames(df2) <- sample(LETTERS,length(num2))

num3 <- round(runif(runif(1,min = 1, max = 10),min = 1, max = 10))
df3 <- data.frame(t(num3))
colnames(df3) <- sample(LETTERS,length(num3))

这实际上是执行所有操作的代码：

A <- reduce(list(df1,df2,df3),union_all)
col_order <- sort(colnames(A),decreasing = FALSE)
A <- A[,col_order]
rownames(A) <- sample_names

输出：

> A
         A  C  E  F  O  P  Q  U  W  Y
sample1  9 NA NA NA  9 NA  5  6 NA NA
sample2 NA NA NA NA  5  4 NA NA  5 NA
sample3 NA  6  5  9 NA NA  3 NA  5  7

- Vitali Avagyan