如何对 r 中的数值范围进行分类

Question

我有一个数据框，其中每一列对应于 patientID，每一行对应于一个特定的基因值。

df <- data.frame(Hugo_Symbol=c("CDKN2A", "JUN", "IRS2","MTOR",
                           "NRAS"),
                  A183=c(-0.19,NA,2.01,0.4,1.23),
                  A185=c(0.11,2.45,NA,NA,1.67),
                  A186=c(1.19,NA,2.41,0.78,1.93),
                  A187=c(2.78,NA,NA,0.7,2.23),
                  A188=c(NA,NA,NA,2.4,1.23))
head(df)

  Hugo_Symbol  A183 A185 A186 A187 A188
1      CDKN2A -0.19 0.11 1.19 2.78   NA
2         JUN    NA 2.45   NA   NA   NA
3        IRS2  2.01   NA 2.41   NA   NA
4        MTOR  0.40   NA 0.78 0.70 2.40
5        NRAS  1.23 1.67 1.93 2.23 1.23

我想为每个值分配以下类别：

如果 (-Inf, -2) 范围内的值分配类别“1”
如果 (-2, 2) 范围内的值分配类别“2”
如果 (2,Inf) 范围内的值分配类别“3”
如果值为 NA，则分配类别“0”

我尝试使用 cut 函数来做到这一点。我的代码看起来像这样：

df2<- df[cut(df,
             breaks=c(-Inf,-2,2,Inf),
             labels=c("1","2","3"))]

但是，我收到以下错误：

Error in cut.default(df, breaks = c(-Inf, -2, 2, Inf), labels = c("1", : 'x' must be numeric

我相信这是因为我的 table 中有 NA 值。我不知道如何为 NA 值分配类别“0”。所需的输出应如下所示：

Hugo_Symbol A183 A185 A186 A187 A188
1      CDKN2A    2    2    2    1    0
2         JUN    0    1    0    0    0
3        IRS2    1    0    1    0    0
4        MTOR    2    0    2    2    1
5        NRAS    2    2    2    1    2

如何修复此错误并将每个值替换为我上面提到的预定义类别？

感谢您的帮助！

奥尔哈

Answer 1

您的代码是正确的，但您需要将它应用到每一列。您可以通过基础 R 中的 lapply 来完成：

df[-1] <- lapply(df[-1], cut, c(-Inf,-2,2,Inf), c("1","2","3"))
df

#  Hugo_Symbol A183 A185 A186 A187 A188
#1      CDKN2A    2    2    2    3 <NA>
#2         JUN <NA>    3 <NA> <NA> <NA>
#3        IRS2    3 <NA>    3 <NA> <NA>
#4        MTOR    2 <NA>    2    2    3
#5        NRAS    2    2    2    3    2

或在dplyr中使用across：

library(dplyr)

df %>% mutate(across(starts_with('A'), cut, c(-Inf,-2,2,Inf),c("1","2","3")))

Answer 2

我们可以在base R

中使用findInterval

df[-1] <- lapply(df[-1], findInterval, c(-Inf, -2, 2, Inf))

如何对 r 中的数值范围进行分类

How to categorize numerical ranges in r

r

categories