Question

我是R的新手，所以我希望能得到一些关于如何实现所需数据操作的指针。

我有一个包含三个变量的数据数组。

  gene_id       fpkm  meth_val
1 100629094     0.000 0.0063
2 100628995     0.000 0.0000
3 102655614   111.406 0.0021

我希望在将我的gene_ids基于fpkm分层为四分位数或十分位数之后绘制平均的meth_val。

将数据加载到数据框后......

data <- read.delim("myfile.tsv", sep='\t')

我可以使用：

确定fpkm十分位数

quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5

产生

          0%          10%          20%          30%          40%          50%
0.000000e+00 9.783032e-01 7.566164e+00 3.667630e+01 1.379986e+02 3.076280e+02
         60%          70%          80%          90%         100%
5.470552e+02 8.875592e+02 1.486200e+03 2.974264e+03 1.958740e+05

从那里开始，我想基于fpkm_val是否适合这些十分之一，将数据帧基本上分成10组。然后，我想在ggplot中绘制每个十分位数的meth_val作为方框图，并在十进制中执行统计测试。

我真正坚持的主要问题是如何以正确的方式拆分我的数据集。任何帮助都将非常感谢！

非常感谢！

Answer 1

另一种方式是ntile()中的dplyr。

library(tidyverse)

foo <- data.frame(a = 1:100,
                  b = runif(100, 50, 200),
                  stringsAsFactors = FALSE)

foo %>%
    mutate(quantile = ntile(b, 10))

#  a         b quantile
#1 1  93.94754        2
#2 2 172.51323        8
#3 3  99.79261        3
#4 4  81.55288        2
#5 5 116.59942        5
#6 6 128.75947        6

Answer 2

这样可能更容易：

data$qunatil = cut( data$fpkm, quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5) )

Answer 3

您可以尝试使用Hmisc库和cut2功能。您可以通过声明切割点将矢量切割为不同的组。这是一个例子：

library(Hmisc)
data <- data.frame(gene_id=sample(c("A","B","D", 100), 100, replace=TRUE),
               fpkm=abs(rnorm(100, 100, 10)),
               meth_val=abs(rnorm(100, 10, 1)))
quantiles <- quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5)
data$cutted <- cut2(data$fpkm, cuts = as.numeric(quantiles))

您将获得相同的数据框以及用于拆分的其他列：

    gene_id      fpkm  meth_val        cutted
1         B 102.16511  8.477469 [100.4,103.2)
2         A 110.59269  9.256172 [106.4,110.9)
3         B  93.15691 10.560936 [ 92.9, 95.3)
4         B 105.74879 10.301358 [103.2,106.4)
5         A  96.12755 11.336484 [ 95.3, 96.8)
6         B 106.29204  8.286120 [103.2,106.4)
...

此外，您也可以使用分位数组指定cut2来剪切。阅读更多?cut2。

R：将数据集拆分为四分位数/十分位数。什么是正确的方法？

3 个答案: