Question

我有这个文本数据框，所有列都是字符向量。

    Gene.ID                     barcodes              value
    A2M          TCGA-BA-5149-01A-01D-1512-08        Missense_Mutation
   ABCC10        TCGA-BA-5559-01A-01D-1512-08        Missense_Mutation
   ABCC11        TCGA-BA-5557-01A-01D-1512-08        Silent
   ABCC8         TCGA-BA-5555-01A-01D-1512-08        Missense_Mutation
   ABHD5         TCGA-BA-5149-01A-01D-1512-08        Missense_Mutation
   ACCN1         TCGA-BA-5149-01A-01D-1512-08        Missense_Mutation

如何使用reshape / reshape 2从此构建数据帧，以便获得格式为Gene.ID~条形码的数据帧，并且值为每个值列中的文本和“NA”或“WT”填料？

默认聚合函数保持默认为长度，如果可能，我想避免这种情况。

Answer 1

我认为这对您的问题有用。首先，我正在生成一些类似于你的数据。为简单起见，我将gene.id和barcode作为一个因素，这应该与您的数据相同。

geneNames <- c(paste("gene", 1:10, sep = ""))
data <- data.frame(gene = as.factor(c(1:10, 1:4, 6:10)),
                   express = sample(c("Silent", "Missense_Mutation"), 19, TRUE),
                   barcode = as.factor(c(rep(1, 10), rep(2, 9))))

我制作了一个载体geneNames的基因名称载体（例如，A2M）。为了在缺少给定基因的表达式的那些中获得NA值，您需要合并数据，使得number_of_genes由number_of_barcodes行组成。

geneID <- unique(data$gene)
data2 <- data.frame(barcode = rep(unique(data$barcode), each = length(geneID)),
                    gene = geneID)
data3 <- merge(data, data2, by = c("barcode", "gene"), all.y = TRUE)

现在融化并投放数据，

library(reshape)
mdata3 <- melt(data3, id.vars = c("barcode", "gene"))
cdata <- cast(mdata3, barcode ~ variable + gene, identity)
names(cdata) <- c("barcode", geneNames)

然后，您应该拥有一个包含number_of_barcodes行和（number_of_unique_genes + 1）列的数据框。每列应包含该特定样品条形码中该特定基因的表达信息。

使用文本列转换数据框时出现问题

1 个答案: