如何通过字符变量在ddply中指定列名？

Question

我有一个 tibble/dataframe 和

sample_id     condition     state
---------------------------------
sample1       case          val1
sample1       case          val2
sample1       case          val3
sample2       control       val1
sample2       control       val2
sample2       control       val3

数据帧是在不同状态的 for 循环中生成的。因此，每个数据框的状态列都有不同的名称。

我想按 sample_id 对数据进行分组并计算状态列的中位数，以便每个唯一的 sample_id 都有一个中值。输出应该如下所示...

sample_id     condition     state
---------------------------------
sample1       case          median
sample2       control       median

我正在尝试下面的命令；如果给出列的名称，它可以工作，但我无法通过状态字符变量传递名称。我尝试了 ensym(state) 和 !!ensym(state)，但它们都在抛出错误。

ddply(dat_state, .(sample_id), summarize,  condition=unique(condition), state_exp=median(ensym(state)))

Answer 1

正如 camille 上面所说，这在 dplyr 中更容易。基本语法（尚未解决您的问题）：

my_df %>% 
  group_by(sample_id, condition) %>% 
  summarize(state = median(state))

请注意，语法将为每个唯一的 sample_id-condition 对提供值。这在您的示例中不是问题，因为每个 sample_id 都具有相同的 condition，但需要注意一些事情。

关于您的问题...我不太清楚您打算如何将州名传递给您的计算。但是有几种方法可以解决这个问题。一种是使用dplyr的"rename"函数：

x <- "Massachusetts"
my_df %>% 
  rename(state = x) %>% 
  group_by(sample_id, condition) %>% 
  summarize(state = median(state))

执行此操作的（可能更合适的）方法是使用 dplyr 的 "tidyeval" 语法编写一个函数：

myfunc <- function(df, state_name) {
  df %>% 
    group_by(sample_id, condition) %>% 
    summarize(state = median({{state_name}}))
}

myfunc(my_df, Massachusetts) # Note: Unquoted state name

Answer 2

感谢大家花时间回答我的问题。根据您的建议，我找到了解决方案。下面是我试图通过分组 sample_id 和 condition 并通过变量传递 state 来实现的代码。

state_mark <- c("pPCLg2", "STAT1", "STAT5", "AKT")

for(state in state_mark){
    dat_state <- dat_clust_stim[,c("sample_id", "condition", state)]

    # I had to use !!ensym() to convert a character to a symbol.
    dat_med <- group_by(dat_state, sample_id, condition) %>% 
               summarise(med = median(!!ensym(state)))

    dat_med <- ungroup(dat_med)
    x <- dat_med[dat_med$condition == "case", "med"]
    y <- dat_med[dat_med$condition == "control", "med"]
    t_test <- t.test(x$med, y$med)
}

如何通过字符变量在ddply中指定列名？

How to specify a column name in ddply via character variable?

r

plyr

dplyr

tidyeval

rlang