Question

我想找到基因汇总的最小值：

a <- data.frame(probe=c("probe1","probe2","probe3","probe4"), gene=c("gene1","gene1","gene2","gene1"), value=c(.001,.1,.05,.001))
#   probe  gene  value
# 1 probe1 gene1 0.001
# 2 probe2 gene1 0.100
# 3 probe3 gene2 0.050
# 4 probe4 gene1 0.001

所以我这样做了：

    aggregated <- aggregate(value~gene, data=a, FUN=min)
#    gene value
# 1 gene1 0.001
# 2 gene2 0.050
b <- merge(aggregated, a) 
#    gene value  probe
# 1 gene1 0.001 probe1 
# 2 gene1 0.001 probe4 
# 3 gene2 0.050 probe3

但是因为probe1和probe4具有相同的值，所以gene1是重复的，然后我需要选择两列中的一列（无论哪一列）。所以我可以这样做：

# THIS IS THE OUTPUT THAT I WANT
c <- aggregate(b, by=list(b$gene), function(x) x[1])[,-1]
#    gene value  probe
# 1 gene1 0.001 probe1
# 2 gene2 0.050 probe3

问题是我在循环中使用它，所以如果我将它应用于没有重复的数据帧，它将会出错：

aggregate(c, by=list(b$gene), function(x) x[1])[,-1]
# Error in aggregate.data.frame(c, by = list(b$gene), function(x) x[1]) : arguments must have same length

在应用第二个聚合体之前，我可以检查是否存在重复的探针 - 基因对，但我确信有更好的方法。

编辑：我的代码出错了。这实际上很完美

b <- merge(aggregate(value~gene, data=a, FUN=min), a); 
aggregate(b, by=list(b$gene), function(x) x[1])[,-1]

但问题仍然存在，是否有更少的迂回方式来做到这一点？

Answer 1

一个选项是使用package：data.table。这应该非常快：

library(data.table)
a <- data.table(a)
setkeyv(a, c("gene"))

a[, list(min(value), probe[which.min(value)]), by = gene]

如何在没有部分重复的情况下聚合和恢复R中的原始列？

1 个答案: