R:计算一个因子和group by组合在data.frame中的比例_R:如何使用group_by()计算一个变量在另一个变量中的比例？ - 腾讯云开发者社区 - 腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

快速掌握R语言中类SQL数据库操作技巧

在数据分析中，往往会遇到各种复杂的数据处理操作：分组、排序、过滤、转置、填充、移动、合并、分裂、去重、找重、填充等操作。这时候R语言就是一个很好的选择：R可以高效地、优雅地解决数据处理操作。...15)赋值给对象x > x <- c(11:15) > y <- c(1:5) #将向量x和y合并存储到数据框中，并重命名为xf和yf > data.frame(xf = x, yf = y)...可参考↓↓ R语言 | 第一部分：数据预处理 7.数据筛选和8.抽样 R语言数据管理与dplyr、tidyr | 第4讲 5 dplyr中5.1筛选filter和5.3选择select R...，更多分组计算内容参考→《R语言分组计算，不止group_by》 dplyr包中的group_by联合summarize group_by和summarise单变量分组计算 group_by和summarise...分成2步操作，第一步先分成与数据集同样长度的因子，第二步进行分裂，可以把一个大的向量拆分成多个小的向量。

5.6K2 0

一套完整的基于随机森林的机器学习流程（特征选择、交叉验证、模型评估））

这样更方便提取每个变量，且易于把模型中的x,y放到一个矩阵中。样本表和表达表中的样本顺序对齐一致也是需要确保的一个操作。...如果group对应的列为数字，转换为数值型 - 做回归如果group对应的列为分组，转换为因子型 - 做分类 # R4.0之后默认读入的不是factor，需要做一个转换 # devtools::install_github...# 如果group对应的列为分组，转换为因子型 - 做分类 if(numCheck(metadata[[group]])){ if (!...模型的预测显著性P-Value [Acc > NIR] : 2.2e-16。其中NIR是No Information Rate，其计算方式为数据集中最大的类包含的数据占总数据集的比例。...cost: 假阴性率占假阳性率的比例，容忍更高的假阳性率还是假阴性率 prevalence: 关注的类中的个体所占的比例 (n.cases/(n.controls+n.cases)). best_thresh

8K3 0

您找到你想要的搜索结果了吗？

是的

没有找到

R语言方差分析的注意事项

“医学和生信笔记，专注R语言在临床医学中的使用、R语言数据分析和可视化。主要分享R语言做医学统计学、临床研究设计、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。...方差分析的3种类型在计算方差分析中的平方和时，有3种类型（你可以简单理解为方差分析有3种类型），SPSS/SAS在做方差分析的时候，默认是类型Ⅲ，但是R语言中的aov()函数做方差分析时，默认是类型Ⅰ...“表达式中效应的顺序在两种情况下会造成影响：(a)因子不止一个，并且是非平衡设计；(b)存在协变量。出现任意一种情况时，等式右边的变量都与其他每个变量相关。此时，我们无法清晰地划分它们对因变量的影响。...对于主效应，越基础性的变量越应放在表达式前面，因此性别要放在处理方式之前。有一个基本的准则：若研究设计不是正交的（也就是说，因子和/或协变量相关），一定要谨慎设置效应的顺序。...很简单，在这里x作为协变量，是数值型，所以R默认会进行ancova，如果是因子型或者字符型，R会默认进行two-way anova，比如上面那个随机区组的例子！

1.4K3 0

各个单细胞亚群特异性的转录因子热图

各个单细胞亚群特异性的转录因子热图虽然转录因子分析作为单细胞转录组数据分析的3大高级分析之一名满天下，但是因为它太耗费计算资源导致绝大部分人敬而远之，我们其实也多次分享过细节教程：张泽民团队的单细胞研究把...分析单细胞转录因子分析之SCENIC流程如果你没有足够的计算资源，我们其实也推荐过一个简单版本的转录因子分析，就是 dorothea 这个R包，本质上是计算 Viper 得分，代码如下所示: ##...::install.packages(pkgs = "ggstatsplot") # InstallData("pbmc3k") # 1.加载R包和测试数据 ---- rm(list = ls())...个转录因子的活性得分。...pheatmap ，效果如下所示：各个单细胞亚群特异性的转录因子热图如果你确实觉得我的教程对你的科研课题有帮助，让你茅塞顿开，或者说你的课题大量使用我的技能，烦请日后在发表自己的成果的时候，加上一个简短的致谢

1.8K4 0

rdaenvpart过程探索

最近赖江山老师发布了一个R包: 原创R包：rdaenvpart（层次分割获取RDA和CCA单解释变量的贡献） http://wap.sciencenet.cn/home.php?...，其中又包含了2个子函数 12 gfs <- allR2(Y, X,type) 13#partition.rda是一个子函数，得到每个因子的解释度。...最后在汇总为所有环境因子组合的可能，并输出到allR2中的combs。...，每种组合的条件下与OTU计算cca或rda，得到R2，并输出到allR2的new.line。...：关于RDA中每个环境因子解释率的说明 http://wap.sciencenet.cn/home.php?

7332 1

温故而知新，ggplot2 饼图的几点笔记

p 中由于 x 是等长的，所以 p1 每一个弧度为 60 度；p2 的每一个弧度为 360 度。...对于并列柱状图 p，以最大的 y 值作为 360 度的弧度，剩下的按比例类推，由于 p 中 A、B、C 是等长的，所以在 p1 中它们的半径是 1:2:3。...“A” 上，这样就反映出在图片实际分布中数据和因子是反向对应的。...包 cum 系列的一个函数，它的功能是计算向量的累积和并返回。..."E" 对应了第一个颜色，不过从图片显示坐标中可以看到，"A" 在前，而 "A" 在原始数据 dat$Num 中对应的数据也在前 90，这样计算位置就会发生改变了，这时候 "A" 文字应该对应 90-

1.2K1 0

一网打尽转录组差异分析！！！

DESeq2、limma和edgeR均是为了应对高通量测序数据中的差异表达分析而开发的，它们各自采用了不同的统计模型和算法来识别样本间基因表达的显著差异。...然而，与t检验/Wilcox秩和检验相比，这些R包可能需要更多的计算资源和时间来完成分析。此外，由于它们采用了不同的统计模型和算法，因此可能会产生略有不同的差异检测结果。...综上所述，选择适合你的转录组数据分析的R包需要考虑多个因素，包括数据类型、实验设计、计算资源等。在分析结果时，我们也需要谨慎比较不同方法和工具之间的差异，并结合实际生物学意义进行解释和验证。...导入R包本次分析需要在R中批量安装包。先导入基础R包，在后面每个差异分析模块再导入所需要的差异分析R包。...计算过程构建分组矩阵；构建DGEList对象；计算Counts标准化因子； voom标准化；线性模型计算每个基因在分组的weighted least square；构建比较对象；计算每个基因在比较对象间的比较结果

741 0

单细胞转录组高级分析一：多样本合并与批次校正

本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨!...它不仅可以校正实验的批次效应，还能跨平台整合数据，例如将10x单细胞数据、BD单细胞数据和SMART单细胞数据整合在一起；也能整合单细胞多组学数据，例如将单细胞ATAC、空间转录组与单细胞转录组数据整合在一起...我们用两个数据集A和B来说明锚点，假设： A样本中的细胞A3与B样本中距离最近的细胞有3个（B1,B2,B3） B样本中的细胞B1与A样本中距离最近的细胞有4个（A1,A2,A3,A4） B样本中的细胞...4、经过层层过滤剩下的锚点细胞对，可以认为它们是相同类型和状态的细胞，它们之间的基因表达差异是技术偏倚引起的。Seurat计算它们的差异向量，然后用此向量校正这个锚点锚定的细胞子集的基因表达值。...row.names(scRNA@meta.data) scRNA <- AddMetaData(scRNA, proj_name) ##切换数据集 DefaultAssay(scRNA) <- "RNA" ##计算线粒体和红细胞基因比例

30.5K19 28

使用NMF代替层次聚类

前面我们在教程：使用R包deconstructSigs根据已知的signature进行比例推断，顺利的把508个病人，根据11个signature进行了比例推断，得到的比例矩阵以普通的热图，以及pheatmap...nmf.input <- t(a2) nmf.input <- nmf.input[setdiff(rownames(nmf.input),"unknown"),] #去掉unknown # 需要去除那些没有被计算到的...可以看到，部分病人的S1,S2比例偏高，很明显，他们应该是一个组，然后剩余的病人可以根据S10进行高低分组，其它signature好像是酱油。...consensusmap 番外：一些可视化函数主要是继续参考每个nmf类里面的不同signature的比例，已经不同nmf类的相关性热图 sample.order <- names(group[order...cexCol = 0.3, cexRow = 0.3, filename = "NMF_heatmap.pdf") ac=data.frame(group=paste0

3K3 0

Day09 生信马拉松-GEO数据挖掘（中）

(stringr) # 标准流程代码是二分组 # 生成Group向量的三种常规方法，三选一，选谁就把第几个逻辑值写成T，另外两个为F。...","Disease") } # 需要把Group转换成因子，并设置参考水平，指定levels，对照组在前，处理组在后 Group = factor(Group,levels = c("Normal...","Disease")) #第一个是对照组，第二个是处理组，不可标记反！！...(list = ls()) load(file = "step2output.Rdata")#输入数据：exp和Group #Principal Component Analysis（PCA的全称...，就需要t()转置 cor()函数求相关系数的时候也是按列计算，如果计算行之间的相关系数也需要对矩阵进行t()转置参考资料：scale函数对矩阵归一化是按行归一化，还是按列归一化？

2611 0

Day4：R语言课程（向量和因子取子集）

但是，如果数据在文本文件中由不同的分隔符分隔，我们可以使用泛型read.table函数并将分隔符指定为函数中的参数。基因组数据通常有一个metadata文件，其中包含有关数据集中每个样本的信息。...数据检查函数列表已经看到函数head()和str()可以查看data.frame的内容和结构。以下是一个非详尽的函数列表，用于了解数据的内容/结构。...（1）向量选择使用索引从向量中提取一个或多个值，可以使用方括号[ ]语法提供一个或多个索引。索引表示一个向量中的元素数目（桶中的隔室编号）。R索引从1开始。...编程语言如Fortran，MATLAB和R从1开始计数，符合人类的思维模式。C系列中的语言（包括C ++，Java，Perl和Python）从0开始计算，因为这对计算机来说更简单。...例如，将RNA-seq实验中的“对照组”作为“base” 。 ---- 练习使用上节课创建的samplegroup 因子进行relevel，顺序是 KO、 CTL 、 OE。

5.6K2 1

单细胞转录组高级分析二：转录调控网络分析

本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨!...推断共表达模块上一步计算了转录因子与每一个基因的相关性，接下来需要过滤低相关性的组合形成共表达基因集（模块）。...最终的regulon文件，将第一个文件的数据整合在了一起，表头含义如下： TF：转录因子名称 gene：TF靶基因名称 nMotif：靶基因在数据库的motif数量 bestMotif：最显著富集的...Regulon活性评分与可视化每个Regulon就是一个转录因子及其直接调控靶基因的基因集，SCENIC接下来的工作就是对每个regulon在各个细胞中的活性评分。...，它包含的子功能有：计算regulon在每个细胞中AUC值，最后得到一个以regulon为行细胞为列的矩阵。

15.2K5 6

R语言入门（二）之ggplot作图

5, labels = c("a", "b")), 2), group2 = gl(2, 10)) #将x、y、group1、group2组合成数据框 #runif(n)...这里指的是将group1中#a,b以不同颜色表示。...cor(dx,dy) cor.test(dx,dy) #cor.test()函数进行相关性系数的计算和检验 ?...#facet_wrap和facet_grid不同在于facet_wrap是基于一个因子进行设置，facets 表示形式为：~变量（~单元格）；而facet_grid是基于两个因子进行设置，facets...表示形式为：变量~变量（行~列），如果把一个因子用点表示，也可以达到 facet_wrap的效果，也可以用加号设置成两个以上变量 ggplot(diamonds2, aes(carat, price,

2.6K4 0

ggplot2|从0开始绘制折线图

其中折线图可以反映某种现象的趋势，本文利用R语言的ggplot2包，从头带您绘制各式各样的线形图。...1.2 添加点，并更改线型和颜色 ggplot(data=df, aes(x=dose, y=len, group=1)) +geom_line(linetype = "dashed",color="...注：因为横坐标的属性为因子（离散型的字符转换为因子），所以需要添加‘group = 1’的设置。...2.2 分组更改线型和点的形状 ggplot(df2, aes(x=dose, y=len, group=supp)) + geom_line(aes(linetype=supp))+ geom_point...2.5 添加误差棒利用ToothGrowth数据集，首先分组计算每一分组的均值和标准差，整理成如下格式： supp dose len sd 1 OJ 0.5 13.23 4.459709

3.4K3 0

比较微生物组中的差异分析方法

在微生物组研究中我们常常需要根据某些感兴趣的表型来找到与其相关的特征（比如菌群、OTU、基因家族等等）。...虽然这并不完美，但至少会证明一些结果的鲁棒性，增加我们对结果的信心。下面我将基于一个用 MetaPhlAn2 注释的公共宏基因组数据，使用五种不同算法进行差异分析。...选择这些方法的标准如下： •在一项或多项模拟研究中表现较好；•可以校正协变量，和多重假设检验；•包含多种标准化和建模方法；•应用相对广泛；•封装成 R 包。...我一般倾向于根据总数和流行率过滤掉仅在 10% 到 50% 的样本中观察到的特征，以更好地满足模型假设，同时限制计算 power 时所付出的 FDR 惩罚。...log2 CPM，并计算残差；3.基于平均表达量拟合平滑曲线（见上图中的红线）；4.获得每个特征和样本的权重。

5.8K2 0

R语言多元分析系列

R语言中进行主成分分析可以采用基本的princomp函数，将结果输入到summary和plot函数中可分别得到分析结果和碎石图。但psych扩展包更具灵活性。...EFA和PCA的区别在于：PCA中的主成分是原始变量的线性组合，而EFA中的原始变量是公共因子的线性组合，因子是影响变量的潜在变量，变量中不能被因子所解释的部分称为误差，因子和误差均不能直接观察到。...该方法首先生成若干组与原始数据结构相同的随机矩阵，求出其特征值并进行平均，然后和真实数据的特征值进行比对，根据交叉点的位置来选择因子个数。...选择一个适当的投影轴,使所有的样品点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一组内的投影值所形成的组内离差尽可能小，而不同组间的投影值所形成的类间离差尽可能大。...下面我们用iris数据集来进行聚类分析，在R语言中所用到的函数为hclust。首先提取iris数据中的4个数值变量，然后计算其欧氏距离矩阵。

1.3K6 0

经典方差分析：手把手教你读懂、会用1

SUMME 炎炎夏日，挡不住我们似火的学习激情，今天带大家一步步学习使用方差分析。当解释变量包含名义型和有序型的因子时，我们关注的重点往往在于组间的差异分析。...在科学研究中，某些因素经常伴随出现，例如高血压与高血脂，又或是地理位置与土壤类型，假如我们只关心其中一个因子，另一个因子则为干扰因子也即协变量，这时候要排除干扰因子的影响，需要做协方差分析（ANCOVA...在R语言中方差分析可以使用aov()函数进行分析，此函数的使用方法如下所示： aov(formula, data=data.frame) 函数中表达式（formula）符号及书写方法如下所示：注意，...包中的LSD.test()函数进行分析，此方法最敏感，易检验出样品差异显著； Dunnett-t检验：与LSD检验计算公式完全相同，结果也相同，主要使用在有对照试验的设计中，用于多个实验组均数与对照组均数间的比较...S-N-K检验：StudentNewman Keuls，q检验法（与秩和检验法类似，将两个样本数据一起排序，通过两端非重叠数据个数计算Q值进行检验），在R中使用agricolae包中的SNK.test(

2.6K2 0

Python版SCENIC转录因子分析（四）一文就够了

转录因子 (transcription factors, TFs) 是直接作用于基因组，与特定DNA序列结合 (TFBS/motif) ，调控DNA转录过程的一类蛋白质。...转录因子可以调节基因组DNA开放性、募集RNA聚合酶进行转录过程、募集辅助因子调节特定的转录阶段，调控诸多生命进程，诸如免疫反应、发育模式等。...SCENIC（single-cell regulatory network inference and clustering）是一个基于共表达和motif分析，计算单细胞转录组数据基因调控网络重建以及细胞状态鉴定的方法...，每个模块包含一个转录因子及其靶基因，纯粹基于共表达；第二步，RcisTatget分析每个共表达模块中的基因，以鉴定enriched motifs，仅保留TF motif富集的模块和targets，构建...TF-targets网络，每个TF及其潜在的直接targets gene被称作一个调节因子（Regulons）；第三步，AUCelll计算调节因子（Regulons）的活性，这将确定Regulon在哪些细胞中处于

6.6K2 0

ggtree-给你的进化树盛世美颜

ggtree是一个功能强大的系统发育树可视化及注释R语言软件包，在Bioconductor中发布，是ggplot2的扩展包。ggtree可以读取多种数据格式的系统发育树，并对其进行注释分析。...,通过HPV58树计算成对的核苷酸序列距离，演示了向特定面板添加多个图层的功能。...要解决此问题，可以使用ggnewscale创建新的填充比例。...为了更便捷的实现这个功能，在这里推荐一个R包aplot，可以重新排列ggplot对象的内部数据，并创建与树正确对齐的复合图。...R包，一定能够成为大家科研路上的助力！

8.8K4 1

每月一生信流程之rnaseqGene

前面我们推荐两个值得用一个月时间来学习的流程，包括转录组经典表达量矩阵下游分析大全可变剪切，差异转录本，或者差异外显子流程大全但是RNA-seq的分析肯定远不止那些啦，拿到基于基因的表达矩阵固然可以根据转录组经典表达量矩阵下游分析大全...::pheatmap(cor(exprSet)) group_list tmp=data.frame(g=group_list) rownames(tmp)=colnames(exprSet...) # 组内的样本的相似性理论上应该是要高于组间的 # 但是如果使用全部的基因的表达矩阵来计算样本之间的相关性 # 是不能看到组内样本很好的聚集在一起。...) pheatmap(scale(cor(log2(exprSet+1)))) } # 以上代码，就是为了检查R包airway及其数据集airway里面的表达矩阵和表型信息有一个质控的讨论，值得大家看看哦...R(2019更新版) 里面给初学者的知识点路线图如下：了解常量和变量概念加减乘除等运算（计算器）多种数据类型（数值，字符，逻辑，因子）多种数据结构（向量，矩阵，数组，数据框，列表）文件读取和写出

8412 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭