Question

我的数据集如下所示：

genera
             Genus Location Number
    1                             NA
    2    Terriglobus       CC      1
    3    Terriglobus        N      5
    4 Acidobacterium       CC      2
    5 Acidobacterium        N     12
    6   Edaphobacter       CC      0

我想做两件事1）删除任何列中任何NA的行，2）计算位置，CC和N中每个属的频率。

我一直在尝试使用

AB<-genera[genera[, "Location"] == "CC", ] #to keep all separate the rows by location 
CD<-genera[genera[, "Location"] == "N", ]

我想使用表格或prop.table并计算每个频率，但我遇到了困难因为我得到NA NA NA NA NA NA NA

非常感谢任何帮助。

Answer 1

prop.table需要一个表对象开头：

 prop.table( table(genera$CC) )

如果＆＃34; Number＆＃34;是一个计数，那么你可能希望tapply总和为Number。也许是这些方面的事情：

prop.table( with(genera, tapply(Number, CC, sum) ) )

xtabs也会做总结：

 prop.table( xtabs( Number ~ CC, data=genera) )

Answer 2

我必须添加两个NULL值来制作表格。

> dat <- read.table(header = TRUE, text = 'Genus Location Number
  1           NULL     NULL     NA
  2    Terriglobus       CC      1
  3    Terriglobus        N      5
  4 Acidobacterium       CC      2
  5 Acidobacterium        N     12
  6   Edaphobacter       CC      0', row.names = 1)

关于您的第一个问题，您可以使用which和is.na

删除包含NA编号的行

> newDat <- dat[-which(is.na(dat$Number)), ]
> newDat
           Genus Location Number
2    Terriglobus       CC      1
3    Terriglobus        N      5
4 Acidobacterium       CC      2
5 Acidobacterium        N     12
6   Edaphobacter       CC      0

对于你的第二个问题，我认为你的频率和百分比（或概率）可能会混淆。

可以找到频率

> sapply(split(newDat, as.character(newDat$Genus)), function(x){
    sum(x$Number)
    })
Acidobacterium   Edaphobacter    Terriglobus 
            14              0              6

百分比略有不同，

> pct <- with(newDat, Number/sum(Number))
> names(pct) <- newDat$Location

这将按顺序告诉您重量占每个地点相对于总数的百分比。

> pct
  CC    N   CC    N   CC 
0.05 0.25 0.10 0.60 0.00

<强> ADDED

第二个想法，你可能只需要

> split(newDat[,c("Location", "Number")], newDat$Genus)
$Acidobacterium
  Location Number
4       CC      2
5        N     12

$Edaphobacter
  Location Number
6       CC      0

$Terriglobus
  Location Number
2       CC      1
3        N      5

Answer 3

以下是我如何使用@ RichardScriven＆＃39; s dat：

with(na.omit(dat), aggregate(Number, list(Genus=Genus, Location=Location), sum))

#            Genus Location  x
# 1 Acidobacterium       CC  2
# 2   Edaphobacter       CC  0
# 3    Terriglobus       CC  1
# 4 Acidobacterium        N 12
# 5    Terriglobus        N  5

修改

鉴于您对其他解决方案的评论已经澄清，我现在建议以下内容，为每个Genus和Location计算Number占Number总和的比例{1}}在该位置。再次，从@ RichardScriven＆＃39; dat开始。

do.call(rbind, lapply(unique(dat$Location), function(x) { d <- subset(dat, Location==x) cbind(Location=x, aggregate(d$Number, list(Genus=d$Genus), function(x) sum(x)/sum(d$Number))) })) # Location Genus x # 1 CC Acidobacterium 0.6666667 # 2 CC Edaphobacter 0.0000000 # 3 CC Terriglobus 0.3333333 # 4 N Acidobacterium 0.7058824 # 5 N Terriglobus 0.2941176

但是，如果每个Genus每Location只出现一次，则可以简化为：

lapply(split(dat, list(dat$Location), drop=TRUE), function(x) transform(x, propn=x$Number/sum(x$Number))) # $CC # Genus Location Number propn # 2 Terriglobus CC 1 0.3333333 # 4 Acidobacterium CC 2 0.6666667 # 6 Edaphobacter CC 0 0.0000000 # # $N # Genus Location Number propn # 3 Terriglobus N 5 0.2941176 # 5 Acidobacterium N 12 0.7058824

然后可以将其与do.call(rbind, x)合并为一个数据框，其中x是上面创建的列表。

最后，您可以使用dplyr，如下所示：

library(dplyr) dat %.% group_by(Location) %.% mutate(total = sum(Number), Propn = Number/total) %.% select(-total) # Genus Location Number Propn # 1 Terriglobus CC 1 0.3333333 # 2 Terriglobus N 5 0.2941176 # 3 Acidobacterium CC 2 0.6666667 # 4 Acidobacterium N 12 0.7058824 # 5 Edaphobacter CC 0 0.0000000

计算R中的频率

3 个答案: