Question

我目前有一个说明基因组中特定基因簇的数据框，它被定义为格式良好的制表符分隔文件，基本上看起来像下面的数据框（示例）：

Gene Cluster     Genome
-----------------------------
GCF3372      Streptomyces_hygroscopicus
GCF3450      Streptomyces_sp_Hm1069
GCF3371      Streptomyces_sp_MBT13
GCF3371      Streptomyces_xiamenensis

基于此，我想根据此数据帧创建一个缺失/存在表或列联表，其值分别为0和1，具体取决于基因组中特定基因簇的存在与否。整个想法是让我能够测量基因组中特定基因簇的出现，因此我想要一个存在/不存在表，以便能够对该矩阵进行统计分析。

x <- data.frame(gc = c('GCF3372','GCF3450','GCF3371','GCF3371','GCF3371'), 
                strain = c('Streptomyces_hygroscopicus', 'Streptomyces_sp_Hm1069', 
                           'Streptomyces_sp_MBT13', 'Streptomyces_xiamenensis','Streptomyces_hygroscopicus'))
dput(head(x[, c(1,2)]))

Answer 1

这是一种从两个分类变量中计算列联表的方法。出于说明目的，我将使用sex和height（它们在结构上似乎类似于您在数据框x中具有的两个变量）：

数据：

set.seed(300)
df <- data.frame(
  Height = sample(c("tall", "very tall", "small", "very small"), 20, replace = T),
  Sex = sample(c("m", "f"), 20, replace = T)
)
df
       Height Sex
1   very tall   f
2   very tall   m
3   very tall   m
4        tall   f
5  very small   m
6        tall   f
7        tall   m
8  very small   f
9       small   f
10       tall   m
11 very small   f
12       tall   m
13 very small   m
14      small   f
15 very small   m
16      small   m
17 very small   m
18 very small   m
19       tall   f
20       tall   m

首先，如已经在注释中所述，使用table将数据制成表格：

tbl <- table(df$Sex, df$Height); tbl
    small tall very small very tall
  f     2    3          2         1
  m     1    4          5         2

然后，您可以将tbl的第一行定义为新向量female，将第二行定义为male：

female <- tbl[1,]
male <- tbl[2,]

最后，您将二者行绑定到向量counts，这是您的列联表：

counts <- rbind(female, male)
counts
       small tall very small very tall
female     2    3          2         1
male       1    4          5         2

基于列联表，您可以运行测试，可能是卡方：

test <- chisq.test(counts); test

    Pearson's Chi-squared test

data:  counts
X-squared = 1.3492, df = 3, p-value = 0.7175

创建列联表

1 个答案: