我正在尝试收集涉及两个不同变量的数据,这些变量分散在多个列中,由另外两个变量进行分组。以下是问题所在。我有几个基因和几个样本。每个样本有三种不同的可能基因型,每种基因型都有一个相关频率。我想整理出一个包含基因、样本、基因型、频率的单独列。
我的解决方案是创建列表列,展开它们,然后使用purrr :: map函数提取列。这个方法很丑陋,不太可扩展,并且频率在转换为数字之前被转换为字符,这并不理想。有更好的解决方法吗?
我的解决方案是创建列表列,展开它们,然后使用purrr :: map函数提取列。这个方法很丑陋,不太可扩展,并且频率在转换为数字之前被转换为字符,这并不理想。有更好的解决方法吗?
library(tidyverse)
# or, separately load dplyr, tibble, tidyr, purrr
# Here's what I have
have <- data_frame(gene=rep(c("gX", "gY"), each=2),
sample=rep(c("s1", "s2"), 2),
genotype1=c("AA", "AA", "GG", "GG"),
genotype2=c("AC", "AC", "GT", "GT"),
genotype3=c("CC", "CC", "TT", "TT"),
freq1=c(.8,.9, .7, .6),
freq2=c(.15,.1, .2, .35),
freq3=c(.05,0, .1, .05))
have
#> # A tibble: 4 × 8
#> gene sample genotype1 genotype2 genotype3 freq1 freq2 freq3
#> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
#> 1 gX s1 AA AC CC 0.8 0.15 0.05
#> 2 gX s2 AA AC CC 0.9 0.10 0.00
#> 3 gY s1 GG GT TT 0.7 0.20 0.10
#> 4 gY s2 GG GT TT 0.6 0.35 0.05
# Here's what I want.
# Do a multicolumn gather grouped by gene and sample
want <- have %>%
group_by(gene, sample) %>%
summarize(x1=list(c(genotype=genotype1, freq=freq1)),
x2=list(c(genotype=genotype2, freq=freq2)),
x3=list(c(genotype=genotype3, freq=freq3))) %>%
ungroup() %>%
gather(key, value, x1, x2, x3) %>%
mutate(genotype=map_chr(value, "genotype"),
freq=map_chr(value, "freq") %>% as.numeric) %>%
select(-key, -value) %>%
arrange(gene, sample, genotype)
want
#> # A tibble: 12 × 4
#> gene sample genotype freq
#> <chr> <chr> <chr> <dbl>
#> 1 gX s1 AA 0.80
#> 2 gX s1 AC 0.15
#> 3 gX s1 CC 0.05
#> 4 gX s2 AA 0.90
#> 5 gX s2 AC 0.10
#> 6 gX s2 CC 0.00
#> 7 gY s1 GG 0.70
#> 8 gY s1 GT 0.20
#> 9 gY s1 TT 0.10
#> 10 gY s2 GG 0.60
#> 11 gY s2 GT 0.35
#> 12 gY s2 TT 0.05
library(data.table) ; melt(setDT(have), id = 1:2, measure = patterns("genotype", "freq"))
,但这并不是由 Hadley 开发的,因此你可以放心忽略。 - David Arenburg