【R语言】dplyr对数据分组取各组前几行
【R语言】dplyr对数据分组取各组前几行
前面我们介绍过GO富集分析和结果可视化
4.GO和KEGG富集倍数（Fold Enrichment）如何计算
我们知道GO又可以进一步划分成BP，MF和CC
BP:biological process,生物学过程。
MF:molecular function,分子功能。
CC:cellular component, 细胞成分。所以在画图的时候，也需要区分这三类。下面这张表就是GO富集分析得到的结果，我们可以根据ONTOLOGY这一列来分组，就可以得到BP，CC和MF三个组。然后取每一个组的前10个条目或者前5个条目来绘制柱形图或者气泡图。
那么问题来了，如何分组取前几行。今天小编就跟大家分享一个专业处理数据框的函数dplyr。然后基于这个R包，我们用6种不同的方法来实现。
#读取GO富集分析结果
GO_result=read.csv("GO_all_enrich.csv")
#如果没有安装dplyr这个R包，先去掉下面一行前面#，运行安装
#BiocManager::install("dplyr")
#加载dplyr包
library(dplyr)我们先来看看直接head的效果
#直接head，结果不对
GO_result %>% group_by(ONTOLOGY) %>% head(n = 5)虽然，我们使用了group_by进行了分组，但是head并没有应用到三个分组上面，而是直接应用到了整个数据框上，事与愿违。
接下来我们来看正解
方法一、通过do来执行
#通过do来执行
r1=GO_result %>% group_by(ONTOLOGY) %>% do(head(., n = 5))
r1可以看到15条结果，三类都有
方法二、使用top_n
#使用top_n
r2=GO_result %>% group_by(ONTOLOGY) %>% top_n(n=-5,wt=p.adjust)
r2这里可以使用top_n这个函数来输出每个组的前五行，wt是排序的依据，根据校正之后的p值来排序，n=-5是按从小到大排序。如果n=5，是按从大到小排序。
方法三、使用slice_head
#使用slice_head
r3=GO_result %>% group_by(ONTOLOGY) %>% slice_head(n=5)
r3
方法四、使用slice_min
#使用slice_min
r4=GO_result %>% group_by(ONTOLOGY) %>% slice_min(order_by = p.adjust, n = 5)
r4slice_min会根据指定的p.adjust有小到大排序，然后取每组前5行
方法五、使用group_modify结合head
#使用group_modify
r5=GO_result %>% group_by(ONTOLOGY) %>% group_modify(~ head(.x, 5))
r5
方法六、使用filter
#使用filter
r6=GO_result %>% group_by(ONTOLOGY) %>% filter(row_number() <= 5)
r6通过filter来控制行数<=5
最后我们来看看这六种方法得到的结果究竟是不是一样的，dplyr这个包里面有函数叫all_equal专门用来判断两个数据框是不是一样的
> all_equal(r1,r2)
[1] TRUE
> all_equal(r1,r3)
[1] TRUE
> all_equal(r1,r4)
[1] TRUE
> all_equal(r1,r5)
[1] TRUE
> all_equal(r1,r6)
[1] TRUE写在最后
虽然这几种方法得到的结果是一致的，但是有一点需要注意。GO富集分析的结果，默认是会根据校正之后的p值（p.adjust）来由小到大排序，所以基于这个结果，直接取每组的前五行就是最显著的5个条目。
如果GO富集结果默认没有按p.adjust排过序，那么就需要选择带有排序的方法，如top_n和slice_min。
参考资料：