在 R 中子设置或排列数据

Question

由于我是R的新手，这个问题对你来说可能是小菜一碟。我有一个txt格式的数据。第一列有簇号，第二列有不同生物的名称。例如：

0 org4|gene759
1 org1|gene992
2 org1|gene1101
3 org4|gene757
4 org1|gene1702
5 org1|gene989
6 org1|gene990
7 org1|gene1699
9 org1|gene1102
10 org4|gene2439
10 org1|gene1374

我需要re-arrange/reshape以下格式的数据。

集群号 org 1 org 2 org3 org4

0 0 0 1
1 0 0 0

我不知道如何在 R 中做到这一点。谢谢

Answer 1

可以用

将 table 读入 R

input <- read.table('filename.txt')

然后我们可以使用正则表达式从 org4|gene759 字符串中提取相关数字，并将其设置为我们输入的第三列：

input[, 3] <- gsub('^org(.+)\|.*', '\1', input[, 2])

我们的输入数据现在看起来像这样：

> 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。以下函数依次获取每个唯一的集群编号（我注意到 10 在您的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 org 值。

result <- vapply(unique(input[, 1]), function (x) 
  possibleOrgs %in% input[input[, 1] == x, 3], logical(4)))

然后我们可以根据需要格式化这个结果，也许使用 t 来转换它的方向，* 1 将 TRUEs 和 FALSEs 转换为 1s 和 0s，以及 colnames 到为其列命名：

result <- t(result) * 1
colnames (result) <- paste0('org', possibleOrgs)
rownames(result) <- unique(input[, 1])

我希望这就是您要找的内容 -- 您的问题不是很清楚！

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

Answer 2

我们可以使用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

也有可能我们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))))

在 R 中子设置或排列数据

Sub-setting or arrange the data in R

r

bioinformatics

集群号 org 1 org 2 org3 org4

输出：