数据框取子集、修改和连接的方法
原创
title: "数据框取子集、修改和连接的方法"
output: html_document
date: "2023-03-18"
先生成一个数据框df1作为示例数据框
df1 <- data.frame(gene = paste0("gene",1:4),
change = rep(c("up","down"),each = 2),
score = c(5,3,-2,-4))
df1## gene change score
## 1 gene1 up 5
## 2 gene2 up 3
## 3 gene3 down -2
## 4 gene4 down -41.数据框取子集
（1）按列取子集：用"$"符号
df1$gene #df1后加"$"，再按tab键可以直接选择df1的列名## [1] "gene1" "gene2" "gene3" "gene4"df1$score ## [1] 5 3 -2 -4mean(df1$score) #计算scroe这一列的均值## [1] 0.5（2）按名字取子集：
df1[,"gene"]## [1] "gene1" "gene2" "gene3" "gene4"df1[,c('gene','change')]## gene change
## 1 gene1 up
## 2 gene2 up
## 3 gene3 down
## 4 gene4 down（3）按逻辑值取（条件）子集：
df1[df1$score>0,] #取score>0的行## gene change score
## 1 gene1 up 5
## 2 gene2 up 3（4）按坐标位置取子集：
df1[2,] #取第2行## gene change score
## 2 gene2 up 3df1[,2] #取第2列## [1] "up" "up" "down" "down"df1[2,2] #取第2行，第2列## [1] "up"df1[c(1,3),1:2] #取第1和第3行，第1和第2列## gene change
## 1 gene1 up
## 3 gene3 down运用代码提取数据框特殊的列
1）如何取数据框的最后一列？
df1[,ncol(df1)] #最后一列就是列数值## [1] 5 3 -2 -42）如何取数据框除了最后一列以外的其他列？
df1[,-ncol(df1)] ## gene change
## 1 gene1 up
## 2 gene2 up
## 3 gene3 down
## 4 gene4 down3）筛选score > 0的基因
df1[df1$score > 0,1] #方法1## [1] "gene1" "gene2"df1[df1$score > 0,"gene"] #方法2## [1] "gene1" "gene2"df1$gene[df1$score > 0] #方法3 ## [1] "gene1" "gene2"方法3中gene列和score列是一一对应的，所以逻辑值通用。
对于x逻辑值向量，用于取子集的逻辑值向量与x对应即可，不必须由x生成。
2.数据框修改
（1）改一个格
df1[3,3] <- 5
df1## gene change score
## 1 gene1 up 5
## 2 gene2 up 3
## 3 gene3 down 5
## 4 gene4 down -4（2）改一整列
df1$score <- c(12,23,50,2)
df1## gene change score
## 1 gene1 up 12
## 2 gene2 up 23
## 3 gene3 down 50
## 4 gene4 down 2（3）新增一列
df1$p.value <- c(0.01,0.02,0.07,0.05)
df1## gene change score p.value
## 1 gene1 up 12 0.01
## 2 gene2 up 23 0.02
## 3 gene3 down 50 0.07
## 4 gene4 down 2 0.05（4）改行名和列名——本质是在修改向量
rownames(df1) <- c("r1","r2","r3","r4")
df1## gene change score p.value
## r1 gene1 up 12 0.01
## r2 gene2 up 23 0.02
## r3 gene3 down 50 0.07
## r4 gene4 down 2 0.05（5）只修改某一行/列的名——本质也是在修改向量
colnames(df1)[2] <- "CHANGE"
df1## gene CHANGE score p.value
## r1 gene1 up 12 0.01
## r2 gene2 up 23 0.02
## r3 gene3 down 50 0.07
## r4 gene4 down 2 0.05（6）按照某一列去重复
df1[!duplicated(df1$CHANGE),]## gene CHANGE score p.value
## r1 gene1 up 12 0.01
## r3 gene3 down 50 0.073.两个数据框的连接——merge函数
先生成3个数据框：
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'),
blood_type = c("A","B","O","AB"))
test1## name blood_type
## 1 jimmy A
## 2 nicker B
## 3 Damon O
## 4 Sophie ABtest2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
group = c("group1","group1","group2","group2"),
vision = c(4.2,4.3,4.9,4.5))
test2## name group vision
## 1 Damon group1 4.2
## 2 jimmy group1 4.3
## 3 nicker group2 4.9
## 4 tony group2 4.5test3 <- data.frame(NAME = c('Damon','jimmy','nicker','tony'),
weight = c(140,145,110,138))
test3## NAME weight
## 1 Damon 140
## 2 jimmy 145
## 3 nicker 110
## 4 tony 138（1）当两个数据框有共同的列名时，在merge函数中用by = "共同列名"将两个数据框连接
merge(test1,test2,by="name") ## name blood_type group vision
## 1 Damon O group1 4.2
## 2 jimmy A group1 4.3
## 3 nicker B group2 4.9（2）当两个数据框没有共同的列名，且存在有交集的共同列时，在merge函数中用by.x = 和by.y = 将两个数据框连接，注意对应关系
merge(x = test1,y = test3,by.x = "name",by.y = "NAME")## name blood_type weight
## 1 Damon O 140
## 2 jimmy A 145
## 3 nicker B 110merge()函数只能用于数据框的连接！
4.两个数据框的连接——join函数
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'),
blood_type = c("A","B","O","AB"))
test1## name blood_type
## 1 jimmy A
## 2 nicker B
## 3 Damon O
## 4 Sophie ABtest2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
group = c("group1","group1","group2","group2"),
vision = c(4.2,4.3,4.9,4.5))
test2## name group vision
## 1 Damon group1 4.2
## 2 jimmy group1 4.3
## 3 nicker group2 4.9
## 4 tony group2 4.5library(dplyr)
inner_join(test1,test2,by="name") #取交集## name blood_type group vision
## 1 jimmy A group1 4.3
## 2 nicker B group2 4.9
## 3 Damon O group1 4.2right_join(test1,test2,by="name") #右连接，保留右边表格的name列，缺失值填充NA## name blood_type group vision
## 1 jimmy A group1 4.3
## 2 nicker B group2 4.9
## 3 Damon O group1 4.2
## 4 tony <NA> group2 4.5full_join(test1,test2,by="name") #全连接，两个表的name列都要，缺失值填充NA## name blood_type group vision
## 1 jimmy A group1 4.3
## 2 nicker B group2 4.9
## 3 Damon O group1 4.2
## 4 Sophie AB <NA> NA
## 5 tony <NA> group2 4.5semi_join(test1,test2,by="name") #半连接，左边表格中的人名在右边表格中存在的行则保留，否则删去## name blood_type
## 1 jimmy A
## 2 nicker B
## 3 Damon Oanti_join(test1,test2,by="name") #反连接，左边表格中的人名在右边表格中不存在的行保留，否则删去## name blood_type
## 1 Sophie AB引用自生信技能树
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录