Question

我有一个像这样的大数据集：

my.df <- data.frame(Cond= rep(c("A", "B", "C", "D"), each = 4),
             Gene = rep(c("Gene1", "Gene2", "Gene3", "Gene4"), 4),
             Avg=sample(85:100, 16, replace = TRUE), 
             SE=sample(1:5, 16, replace = TRUE), 
             Val1=sample(1:50, 16),
             Val2=sample(1:50, 16))

现在，对于每个基因，我想要对所有内容进行标准化（将“Avg”，“SE”，“Val1”和“Val2”的每个值除以Cond A的平均值。

我目前的想法是做这样的事情：

by(my.df[ , 3:6], Gene,   #since I want to do my calculation on each Gene
   lapply(function(x)   #since I want to do my calculation on each value

但我不知道如何编写函数以使其获取当前值x并将其除以该Gene的Cond A Avg值。

或者，我想到制作另一个包含Gene和Cond A Avg值的数据框：

CondAavg <- my.df[Cond =="A", c("Gene","Avg")]

然后尝试使用sapply将函数应用于“Gene”的每个值，但我也没有完全看到如何使这个工作。

我显然对R很新，所以任何建议都会非常感激。

Answer 1

编辑：请注意这是对OP提出的要求的误解。这样做会将数据框中的每一列标准化为Cond=="A"的平均值。离开这里以防万一有人关心这件事。谢谢Agstudy。

您可以尝试：

norm.vec <- colMeans(subset(my.df, Cond=="A")[-(1:2)])
my.df[-(1:2)] <- t(t(my.df[-(1:2)]) / norm.vec)

这利用了回收利用（但我们需要转换它才能工作）。 head(df)：

#    Cond  Gene       Avg        SE       Val1      Val2
# 1     A Gene1 0.9470752 0.6153846 0.89655172 1.6752137
# 2     A Gene2 1.0473538 1.2307692 1.41379310 0.5811966
# 3     A Gene3 1.0473538 1.5384615 0.44827586 1.6068376
# 4     A Gene4 0.9582173 0.6153846 1.24137931 0.1367521
# 5     B Gene1 1.0250696 0.3076923 0.06896552 0.6495726
# 6     B Gene2 0.9582173 1.2307692 0.41379310 0.4444444

Answer 2

我会使用merge：

分两步完成

dtm = merge(subset(my.df,Cond!='A'),
     subset(my.df,Cond=='A',select=c('Gene','Avg')),by='Gene')
   Gene Cond Avg.x SE Val1 Val2 Avg.y
1  Gene1    B    97  4    9   29    88
2  Gene1    C    97  5   30   21    88
3  Gene1    D    94  5   19   39    88
4  Gene2    B    88  2   13   20    97
5  Gene2    C    98  5   20   43    97
6  Gene2    D    95  4   39    2    97
7  Gene3    B    93  5   40   50    89
8  Gene3    C    92  5   43   30    89
9  Gene3    D    91  3   27   11    89
10 Gene4    B    87  2   49   49    98
11 Gene4    C    97  3    6   47    98
12 Gene4    D    88  3   33   44    98

然后我将数字列除以最后一列：

  dtm[,c(3:6)] <- dtm[,c(3:6)]/dtm[,'Avg.y']

   Gene Cond     Avg.x         SE       Val1       Val2 Avg.y
1  Gene1    B 1.1022727 0.04545455 0.10227273 0.32954545    88
2  Gene1    C 1.1022727 0.05681818 0.34090909 0.23863636    88
3  Gene1    D 1.0681818 0.05681818 0.21590909 0.44318182    88
4  Gene2    B 0.9072165 0.02061856 0.13402062 0.20618557    97
5  Gene2    C 1.0103093 0.05154639 0.20618557 0.44329897    97
6  Gene2    D 0.9793814 0.04123711 0.40206186 0.02061856    97
7  Gene3    B 1.0449438 0.05617978 0.44943820 0.56179775    89
8  Gene3    C 1.0337079 0.05617978 0.48314607 0.33707865    89
9  Gene3    D 1.0224719 0.03370787 0.30337079 0.12359551    89
10 Gene4    B 0.8877551 0.02040816 0.50000000 0.50000000    98
11 Gene4    C 0.9897959 0.03061224 0.06122449 0.47959184    98
12 Gene4    D 0.8979592 0.03061224 0.33673469 0.44897959    98

最好使用grep来避免数字索引：

dtm[, !grepl('Gene|Cond',names(dtm))] = 
    dtm[, !grepl('Gene|Cond',names(dtm))] /dtm[,'Avg.y']
> dtm
    Gene Cond     Avg.x         SE       Val1       Val2 Avg.y
1  Gene1    B 1.1022727 0.04545455 0.10227273 0.32954545     1
2  Gene1    C 1.1022727 0.05681818 0.34090909 0.23863636     1
3  Gene1    D 1.0681818 0.05681818 0.21590909 0.44318182     1
4  Gene2    B 0.9072165 0.02061856 0.13402062 0.20618557     1
5  Gene2    C 1.0103093 0.05154639 0.20618557 0.44329897     1
6  Gene2    D 0.9793814 0.04123711 0.40206186 0.02061856     1
7  Gene3    B 1.0449438 0.05617978 0.44943820 0.56179775     1
8  Gene3    C 1.0337079 0.05617978 0.48314607 0.33707865     1
9  Gene3    D 1.0224719 0.03370787 0.30337079 0.12359551     1
10 Gene4    B 0.8877551 0.02040816 0.50000000 0.50000000     1
11 Gene4    C 0.9897959 0.03061224 0.06122449 0.47959184     1
12 Gene4    D 0.8979592 0.03061224 0.33673469 0.44897959     1

Answer 3

以下是我使用plyr包的方式：

library("plyr")

ddply(my.df, .(Gene), transform,
      Avg.norm = Avg / Avg[Cond=="A"],
      SE.norm = SE / SE[Cond=="A"],
      Val1.norm = Val1 / Val1[Cond=="A"],
      Val2.norm = Val2 / Val2[Cond=="A"])

我将标准化值放入新列中，但您可以轻松覆盖现有值。

R：按因子将函数应用于数据帧的每一行，在函数中调用一个值（按因子）

3 个答案: