治疗随机化

时间:2013-04-30 06:51:08

标签: r matrix data-processing

我有一个8行和12列的矩阵,随机分布10个不同的处理,9个重复,最终处理只有6个重复的矩阵。代码可能是多余的,但它是第一个想到的想法和工作。我只是想制定一个方案,以便我可以在实验室中轻松跟进,以避免错误:

library(ggplot2)
library(RColorBrewer)
library(reshape2)
library(scales)


replicates<-c(rep(seq(1:11),c(rep(9,10),6)));replicates
dimna<-list(c("A","B","C","D","E","F","G","H"),seq(1,12,1))
plate<-array(sample(replicates),dim=c(8,12),dimnames=dimna);plate
platec<-melt(plate);platec

guide<-ggplot(platec,aes(Var2,Var1,fill=factor(value))) + geom_tile()+geom_text(aes(fill=factor(value),label=value)) + ylim(rev(levels(platec$Var1))) + theme_bw() + theme(panel.grid.major.y=element_blank(),panel.grid.minor.y=element_blank(),panel.grid.major.x=element_blank(), axis.text.x=element_text(size=10), axis.title.y=element_blank(), axis.text.y=element_text(size=12)) + scale_fill_brewer(name="",palette="Spectral") + scale_x_continuous("",labels=c(seq(1,12,1)),breaks=c(seq(1,12,1)));guide

然而,现在想象我多次对随机矩阵进行测量。对于数据处理,我需要确定处理并在矩阵中复制。我可以在列的最后得到数据:

A1  A2  A3  A4  A5  A6  A7  A8
0.12    0.2 0.124   0.14    0.4 0.18    0.46    0.47
0.13    0.21    0.6 0   0   0.58    0.4 0.2
0.15    0.248   0.58    0.4 0.2 0.248   0.2 0.18
0.18    0.46    0.47    0.3 0.21    0.2 0.21    0.58
0.1784  0.14    0.95    0.7 0.248   0.21    0.248   0.248

。 。

或按行方式:

A1  0.12    0.13    0.15    0.18    0.1784
A2  0.2 0.21    0.248   0.46    0.14
A3  0.124   0.6 0.58    0.47    0.95
A4  0.14    0   0.4 0.3 0.7
A5  0.4 0   0.2 0.21    0.248
A6  0.18    0.58    0.248   0.2 0.21
A7  0.46    0.4 0.2 0.21    0.248
A8  0.47    0.2 0.18    0.58    0.248

...

R 中是否存在一种方法,我可以将随机矩阵与我收集的数据联系起来,我不知道如何开始均匀。我真的很抱歉没有尝试,但我真的不知道如何开始

1 个答案:

答案 0 :(得分:1)

我想我知道你在问什么...让我知道这是否有意义。 你需要先设计一个设计数据框 - 让我们制作一个假板:

Wells <- paste0(rep(LETTERS[1:8],each=12), rep(1:12, times = 8))
design <- data.frame(Wells, ID = sample(letters[1:10], 96, replace = TRUE))

然后当你得到你的结果时,假设它在一个数据框中(你的'rowwise fashion?'),你可以将它们合并在一起:

#dummy result data
result <- data.frame(Wells, measure = rnorm(96, 0.5))
result_whole <- merge(design, result)
head(result_whole)
#  Wells ID    measure
#1    A1  j -0.4408472
#2   A10  d -0.5852285
#3   A11  d  1.0379943
#4   A12  e  0.6917493
#5    A2  g  0.8126982
#6    A3  b  2.0218953

如果你的设计保持整洁,这非常简单。然后,您可以标记结果(在这种情况下为measure),但是您要跟踪所有结果。

我希望能解决你的问题......