Question

我有一个包含四列的数据框，我感兴趣的是选择最好的＆＃34; Query_id＆＃34;基于最小值＆＃34; evalue＆＃34;

以下是我的数据框的样子：

  Query_id        Subject_id percent_identity  evalue 
1    35538      contig404347              100 4.6e+00 
2    35538 GeneScaffold_1991              100 4.6e+00 
3    35539 GeneScaffold_2894              100 6.0e-18 
4    35539 GeneScaffold_3680              100 4.6e+00 
5    35540  GeneScaffold_530              100 8.0e-16 
6    35540      contig456880              100 1.3e+00

以下是dplyr代码

newdata <- as.data.frame(group_by(data, Query_id) %>% 
  summarise(
      Subject_id = Subject_id[1], 
      percent_identity = percent_identity[1], 
      evalue = min(evalue))

我得到了这个输出

  Query_id        Subject_id  percent_identity  evalue
1    35538      contig404347           100.00  4.6e+00
2    35539 GeneScaffold_2894           100.00  6.0e-18
3    35540  GeneScaffold_530           100.00  8.0e-16

查询ID 3559和35540是可以的，并且根据预期但是35538如何。即使两个id的evalue相同，它也只选择了第一个。这是dplyr的默认行为吗？

Answer 1

它与dplyr无关 - 你只有＆＃34;选择第一个＆＃34;。

回想一下，summarize中的dplyr会返回一行，而你决定返回Subject_id[1]作为主题ID（即使这不符合最低evalue！）。同样，min(evalue)会返回（单个）最小值evalue。

如果您希望返回达到最小evalue的所有行，请尝试

data %>%
  group_by(Query_id) %>%
  filter(evalue==min(evalue))

对数据框的每个位进行子集，并返回所有行，且最小为evalue。

或者，如果您想为每个最小evalue选择一行，则可以

data %>% group_by(Query_id) %>% slice(which.min(evalue))

将返回达到最小值（对于每个Query_id）的第一个，其中第一个返回，因为这是which.min返回的（索引）最小的，第一个发生的），与dplyr无关。

dplyr如何使用相同的值解析查询

1 个答案: