R：对于具有部分字符串匹配的一组列名，每行查找列数 > 0

Question

我有一个类似于以下内容的数据框：

ID	X	Y	A_1_l	A_2_m	B_1_n	B_2_l	C_1_m	C_2_n	C_3_l
w	X	Y	0	0	0	0	0	0	0
x	X	Y	0	0	3	0	0	0	0
y	X	Y	0	1	0	4	0	1	0
z	X	Y	3	4	5	6	2	1	5

第一个字母表示样本，数字表示重复，第二个字母表示批次。我正在尝试计算每个 ID 至少有一个值 > 0 的样本数量，并将这些数字存储在列表中。

这是我可以附加到现有数据框的列表的期望结果：

0,1,3,3

对于之前的分析，我使用 strsplit 来计算每批样本的总数。

colsList <- colnames(df)
cols <- grep("_", colsList, value=TRUE)
splitList <- strsplit(cols, "_\d_")
stats <-data.frame(t(as.data.frame.list(splitList)))
rownames(stats)<-NULL
names(stats)<-c("Sample", "Batch")
perSample <- aggregate(Sample ~ Batch, stats, 
                      function(x) length(unique(x))) # number of strains

而且我能够使用 rowSums(df[sapply(df, is.numeric)] > 0) 找到值 > 0 的列总数，但我似乎无法弄清楚如何将两者结合起来找到样本总数 > 0

Answer 1

首先过滤数据以仅保留数字列。

使用 split.default 将数据分组，这样所有 'A' 列都在一组中，'B' 列在另一组中，依此类推。在每个组中 return TRUE 如果一行有一个大于 0 的值，sum 将所有组中的所有值加在一起以获得最终计数。

tmp <- Filter(is.numeric, df)

rowSums(sapply(split.default(tmp, sub('_.*', '', names(tmp))), 
        function(x) rowSums(x) > 0))

#[1] 0 1 3 3

Answer 2

我们可以在 tidyverse

library(dplyr)
library(stringr)
library(tidyr)
df1 %>%  
    select(ID, where(is.numeric)) %>%
    pivot_longer(cols = -ID) %>%
    mutate(name = str_remove(name, "_.*")) %>% 
    group_by(ID, name) %>% 
    summarise(value = sum(value > 0), .groups = 'drop_last') %>% 
    summarise(value = sum(value > 0))
# A tibble: 4 x 2
  ID    value
  <chr> <int>
1 w         0
2 x         1
3 y         3
4 z         3

数据

df1 <- structure(list(ID = c("w", "x", "y", "z"), X = c("X", "X", "X", 
"X"), Y = c("Y", "Y", "Y", "Y"), A_1_l = c(0L, 0L, 0L, 3L), A_2_m = c(0L, 
0L, 1L, 4L), B_1_n = c(0L, 3L, 0L, 5L), B_2_l = c(0L, 0L, 4L, 
6L), C_1_m = c(0L, 0L, 0L, 2L), C_2_n = c(0L, 0L, 1L, 1L), C_3_l = c(0L, 
0L, 0L, 5L)), class = "data.frame", row.names = c(NA, -4L))

R：对于具有部分字符串匹配的一组列名，每行查找列数 > 0

R: find number of columns > 0 per row for a group of column names with a partial string match

r

dataframe

strsplit

rowsum

数据