小编fri*_*day的帖子
使用data.table为组的每个元素创建"索引"
我的数据按V6中的ID分组,按位置排序(V1:V3):
dt
V1 V2 V3 V4 V5 V6
1: chr1 3054233 3054733 . + ENSMUSG00000090025
2: chr1 3102016 3102125 . + ENSMUSG00000064842
3: chr1 3205901 3207317 . - ENSMUSG00000051951
4: chr1 3206523 3207317 . - ENSMUSG00000051951
5: chr1 3213439 3215632 . - ENSMUSG00000051951
6: chr1 3213609 3216344 . - ENSMUSG00000051951
7: chr1 3214482 3216968 . - ENSMUSG00000051951
8: chr1 3421702 3421901 . - ENSMUSG00000051951
9: chr1 3466587 3466687 . + ENSMUSG00000089699
10: chr1 3513405 3513553 . + ENSMUSG00000089699
我想要做的是添加一个带位置索引的额外列,也就是说,每个组在V6中第一个元素是"1",第二个元素是"2",依此类推.我可以使用ddply和自定义函数实现:
rankExons …11
推荐指数
推荐指数
1
解决办法
解决办法
3621
查看次数
查看次数
计算数据帧中连续行对之间的差值 - R.
我有一个data.frame,其中每个基因名称都重复,并包含2个条件的值:
df <- data.frame(gene=c("A","A","B","B","C","C"),
condition=c("control","treatment","control","treatment","control","treatment"),
count=c(10, 2, 5, 8, 5, 1),
sd=c(1, 0.2, 0.1, 2, 0.8, 0.1))
gene condition count sd
1 A control 10 1.0
2 A treatment 2 0.2
3 B control 5 0.1
4 B treatment 8 2.0
5 C control 5 0.8
6 C treatment 1 0.1
我想计算治疗后"计数"是否增加或减少,并将它们标记为和/或将它们分组.那是(伪代码):
for each unique(gene) do
if df[geneRow1,3]-df[geneRow2,3] > 0 then gene is "up"
else gene is "down"
这应该是最终的样子(最后一列是可选的):
up-regulated
gene condition count sd regulation
B control 5 0.1 up …5
推荐指数
推荐指数
1
解决办法
解决办法
1956
查看次数
查看次数
根据名称选择列表元素
我有一个命名的矢量列表,代表源自2个样本的事件,"A"和"B":
l.temp <- list(
SF1_t_A = c(rep(1:10)),
SF2_t_A = c(rep(9:15)),
SF1_t_B = c(rep(8:12)))
l.temp
$SF1_t_A
[1] 1 2 3 4 5 6 7 8 9 10
$SF2_t_A
[1] 9 10 11 12 13 14 15
$SF1_t_B
[1] 8 9 10 11 12
现在我想只选择列表中的元素来自样本"A"或"B".我可以用循环来做这件事,但当plyr出现时,这种情况无法使用列表.这个和变化是我到目前为止所尝试的:
llply(l.temp , function(l){
if ((unlist(strsplit(names(l), "_"))[3]) == "A"){
return(l)}
})
这是我得到的错误:
Error in unlist(strsplit(names(l), "_")) :
error in evaluating the argument 'x' in selecting a method for function 'unlist':
Error in strsplit(names(l), "_") : non-character argument
感谢我帮助我做错了什么.
5
推荐指数
推荐指数
1
解决办法
解决办法
3025
查看次数
查看次数
如何按组拆分数据表并在列中按出现次数使用子集？
我有一个大型数据集，287046 x 18，看起来像这样（仅部分表示）：
tdf
geneSymbol peaks
16 AK056486 Pol2_only
13 AK310751 no_peak
7 BC036251 no_peak
10 DQ575786 no_peak
4 DQ597235 no_peak
5 DQ599768 no_peak
11 DQ599872 no_peak
12 DQ599872 no_peak
2 FAM138F no_peak
15 FAM41C no_peak
34116 GAPDH both
283034 GAPDH Pol2_only
6 LOC100132062 no_peak
9 LOC100133331 no_peak
14 LOC100288069 both
8 M37726 no_peak
3 OR4F5 no_peak
17 SAMD11 both
18 SAMD11 both
19 SAMD11 both
20 SAMD11 both
21 SAMD11 both
22 SAMD11 both
23 SAMD11 both
24 SAMD11 …5
推荐指数
推荐指数
1
解决办法
解决办法
4991
查看次数
查看次数
使用ddply排除某些列中的重复值
我有一个具有以下结构的数据框:
> dftest
element seqnames start end width strand tx_id tx_name
1 1 chr19 58858172 58864865 6694 - 36769 NM_130786
2 10 chr8 18248755 18258723 9969 + 16614 NM_000015
3 100 chr20 43248163 43280376 32214 - 37719 NM_000022
4 1000 chr18 25530930 25757445 226516 - 33839 NM_001792
5 10000 chr1 243651535 244006584 355050 - 4182 NM_181690
6 10000 chr1 243663021 244006584 343564 - 4183 NM_005465
1316 100302285 chr12 12264886 12264967 82 + 24050 NR_036052
1317 100302285 chr12 9392066 9392147 82 …4
推荐指数
推荐指数
1
解决办法
解决办法
614
查看次数
查看次数
通过匹配模式用另一个文本文件中的行替换字符串
我有一个带通信密钥的文件 - >值:
sort keyFile.txt | head
ENSMUSG00000000001 ENSMUSG00000000001_Gnai3
ENSMUSG00000000003 ENSMUSG00000000003_Pbsn
ENSMUSG00000000003 ENSMUSG00000000003_Pbsn
ENSMUSG00000000028 ENSMUSG00000000028_Cdc45
ENSMUSG00000000028 ENSMUSG00000000028_Cdc45
ENSMUSG00000000028 ENSMUSG00000000028_Cdc45
ENSMUSG00000000031 ENSMUSG00000000031_H19
ENSMUSG00000000031 ENSMUSG00000000031_H19
ENSMUSG00000000031 ENSMUSG00000000031_H19
ENSMUSG00000000031 ENSMUSG00000000031_H19
我想用temp.txt中的"value"替换"key"的每个对应关系:
head temp.txt
ENSMUSG00000000001:001 515
ENSMUSG00000000001:002 108
ENSMUSG00000000001:003 64
ENSMUSG00000000001:004 45
ENSMUSG00000000001:005 58
ENSMUSG00000000001:006 63
ENSMUSG00000000001:007 46
ENSMUSG00000000001:008 11
ENSMUSG00000000001:009 13
ENSMUSG00000000003:001 0
结果应该是:
out.txt
ENSMUSG00000000001_Gnai3:001 515
ENSMUSG00000000001_Gnai3:002 108
ENSMUSG00000000001_Gnai3:003 64
ENSMUSG00000000001_Gnai3:004 45
ENSMUSG00000000001_Gnai3:005 58
ENSMUSG00000000001_Gnai3:006 63
ENSMUSG00000000001_Gnai3:007 46
ENSMUSG00000000001_Gnai3:008 11
ENSMUSG00000000001_Gnai3:009 13
ENSMUSG00000000001_Gnai3:001 0
我在这个AWK示例之后尝试了一些变化但是你可以看到结果不是我的预期:
awk 'NR==FNR{a[$1]=$1;next}{$1=a[$1];}1' keyFile.txt temp.txt | …4
推荐指数
推荐指数
1
解决办法
解决办法
768
查看次数
查看次数
使用 data.table 选择非唯一行
我有一个大表，其中包含几个具有相关值的基因（newID）。有些基因（newID）是唯一的，有些有多个实例（出现在多行中）。如何从表中排除那些只出现一次（行）的内容？在下面的示例中，仅最后一行将被删除，因为它是唯一的。
head(exons.s, 10)
Row.names exonID pvalue log2fold.5_t.GFP_t. newID
1 ENSMUSG00000000001_Gnai3:E001 E001 0.3597070 0.029731989 ENSMUSG00000000001
2 ENSMUSG00000000001_Gnai3:E002 E002 0.6515167 0.028984837 ENSMUSG00000000001
3 ENSMUSG00000000001_Gnai3:E003 E003 0.8957798 0.009665072 ENSMUSG00000000001
4 ENSMUSG00000000001_Gnai3:E004 E004 0.5308266 -0.059273822 ENSMUSG00000000001
5 ENSMUSG00000000001_Gnai3:E005 E005 0.4507640 -0.061276835 ENSMUSG00000000001
6 ENSMUSG00000000001_Gnai3:E006 E006 0.5147357 -0.068357886 ENSMUSG00000000001
7 ENSMUSG00000000001_Gnai3:E007 E007 0.5190718 -0.063959853 ENSMUSG00000000001
8 ENSMUSG00000000001_Gnai3:E008 E008 0.8999434 0.032186993 ENSMUSG00000000001
9 ENSMUSG00000000001_Gnai3:E009 E009 0.5039369 0.133313175 ENSMUSG00000000001
10 ENSMUSG00000000003_Pbsn:E001 E001 NA NA ENSMUSG00000000003
> dim(exons.s)
[1] 234385 5
对于 plyr 我会这样处理：
## remove single exon …3
推荐指数
推荐指数
1
解决办法
解决办法
571
查看次数
查看次数
如何阻止ggplot2 facet复制变量？
所以我使用ggplot2用我的数据制作一个漂亮的小图:
df1 <- data.frame(Background = factor(c("Input", "H3", "Overlap","Input", "H3", "Overlap"), levels=c("Input", "H3", "Overlap")),
Condition = factor(c("control", "control", "control","treatment", "treatment", "treatment")),
Count = c(10, 9, 5, 8, 7, 6))
barplot = ggplot(data=df1, aes(x=Condition, y=Count, fill=Background)) +
geom_bar(position=position_dodge()) +
facet_grid(. ~ Condition)
我想把"控制"与"治疗"分开.我有点实现了这一点,但两者仍然在各个小组中表现出来:
怎么避免这个？
干杯.
1
推荐指数
推荐指数
1
解决办法
解决办法
226
查看次数
查看次数
在 R 中使用循环调用函数中具有相似名称的对象
我正在使用具有非常相似名称（df1、df2、.. df7）的 data.frames。由于大部分分析将全部完成，因此我希望尽可能使过程自动化。我已经设法在读取文件时使用assign：
for(i in 1:7) {
NameFile <- paste("df",i,"_10/score.out", sep="")
OutFile <- read.table(NameFile, na.string="NA",header=TRUE,sep="\t")
NameVar <- paste("df",i,"_10", sep="")
assign(NameVar, OutFile)
}
但现在我也想在所有这些中执行操作/功能。例如子集：
for(i in 1:7) {
Newname <- paste("dfsmall",i,sep="")
dftemp <- subset(df[i], p == 0 & abs(sepscore) > 0.3)
assign(Newname, dftemp)
}
我认为大部分是正确的，但我如何调用 df[i]？也就是说，已经存在名称为 df1, df2(..) 的对象？有没有更干净的方法来做到这一点？
这里有一些类似的问题，但没有一个适合我的问题。再说一次，我很容易错过显而易见的事情。
谢谢。
0
推荐指数
推荐指数
1
解决办法
解决办法
2540
查看次数
查看次数