子设置或排列R中的数据
子设置或排列R中的数据
提问于 2018-04-28 16:59:59
因为我对R不熟悉，这个问题在你看来可能是小菜一碟。我有txt格式的数据。第一列有簇号，第二列有不同有机体的名称。例如：
- 0 org4基因759
- 1 org1_
- 2 org1_
- 3 org4_基因757
- 4 org1基因1702
- 5 org1\x{e76f}基因989
- 6 org1\x{e76f}基因990
- 7 org1 x-Gene1699
- 9 org1 x-基因1102
- 10 org4基因2439
- 10 org1基因1374
我需要重新安排/重塑以下格式的数据。
簇号。Org 1 Org 2 org3 org4
- 0 0 0 1
- 1 0 0 0
我不知道在R.怎么做谢谢
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-04-29 02:33:15
我们可以用table
out <- cbind(ClusterNo = seq_len(nrow(df1)), as.data.frame.matrix(table(seq_len(nrow(df1)),
factor(sub("\\|.*", "", df1[[2]]), levels = paste0("org", 1:4)))))
head(out, 2)
# ClusterNo org1 org2 org3 org4
#1 1 0 0 0 1
#2 2 1 0 0 0我们还可能需要使用第一列来获取频率。
out1 <- as.data.frame.matrix(table(df1[[1]],
factor(sub("\\|.*", "", df1[[2]]), levels = paste0("org", 1:4))))Stack Overflow用户
发布于 2018-04-28 20:22:30
将表读入R可以通过以下方式完成
input <- read.table('filename.txt')然后，我们可以使用正则表达式从org4|gene759字符串中提取相关的数字，并将其设置为输入的第三列：
input[, 3] <- gsub('^org(.+)\\|.*', '\\1', input[, 2])我们的输入数据现在如下所示：
> input
V1 V2 V3
1 0 org4|gene759 4
2 1 org1|gene992 1
3 2 org1|gene1101 1
4 3 org4|gene757 4
5 4 org1|gene1702 1
6 5 org1|gene989 1
7 6 org1|gene990 1
8 7 org1|gene1699 1
9 9 org1|gene1102 1
10 10 org4|gene2439 4
11 10 org1|gene1374 1然后我们需要列出org的可能值
possibleOrgs <- seq_len(max(input[, 3])) # = c(1, 2, 3, 4)现在是棘手的部分。下面的函数依次接受每个唯一的集群号(我注意到10在示例数据中出现了两次)，获取与该集群相关的所有行，并查看这些行的组织值。
result <- vapply(unique(input[, 1]), function (x)
possibleOrgs %in% input[input[, 1] == x, 3], logical(4)))然后，我们可以根据我们的喜好格式化这个结果，也许可以使用t来转换它的方向，使用* 1来从真和假转换为1和0，使用colnames来命名它的列：
result <- t(result) * 1
colnames (result) <- paste0('org', possibleOrgs)
rownames(result) <- unique(input[, 1])我希望这就是你想要的--从你的问题上看不太清楚！
输出：
> result
org1 org2 org3 org4
0 0 0 0 1
1 1 0 0 0
2 1 0 0 0
3 0 0 0 1
4 1 0 0 0
5 1 0 0 0
6 1 0 0 0
7 1 0 0 0
9 1 0 0 0
10 1 0 0 1页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50078989
复制相关文章
相似问题
腾讯云开发者
