我有3个data.frames
> head(ON1)
Entrez.ID Nearest.Refseq Gene.Name Tag.Count
1 11302 NM_007377 Aatk 137.48
2 11303 NM_013454 Abca1 118.09
3 11305 NM_007379 Abca2 93.56
4 11306 NM_009592 Abcb7 92.42
5 11308 NM_007380 Abi1 410.73
6 11356 NM_009598 Abl5 149.46
> head(ON2)
Entrez.ID Nearest.Refseq Gene.Name Tag.Count
1 11303 NM_013454 Abca1 86.02
2 11305 NM_007379 Abca2 103.45
3 11306 NM_009592 Abcb7 95.32
4 11308 NM_007380 Abi1 313.85
5 11350 NM_009594 Abl1 116.24
6 11352 NM_009595 Abl2 155.76
> head(ON3)
Entrez.ID Nearest.Refseq Gene.Name Tag.Count
1 11303 NM_013454 Abca1 69.49
2 11305 NM_007379 Abca2 82.02
3 11306 NM_009592 Abcb7 83.16
4 11308 NM_007380 Abi1 306.44
5 11350 NM_009594 Abl1 150.37
6 11355 NM_009599 Abl4 154.93
有些行只有1个data.frame（例如row1 ON1），有些行在2个data.frames中很常见（例如row5 ON2和ON3，此行在ON1}中不存在，有些在所有data.frames中都很常见（例如row2 ON1 row1在ON2和ON3）中。 唯一的区别是上一栏Tag.Count
我想以这样的方式合并所有3个data.frames，我只获得最终data.frame中的那些行，这些行在至少2个data.frames和Tag.Count的值中是常见的。其中较高者将被分配到该行。
> head(F)
Entrez.ID Nearest.Refseq Gene.Name Tag.Count
1 11303 NM_013454 Abca1 118.09
2 11305 NM_007379 Abca2 103.45
3 11306 NM_009592 Abcb7 95.32
4 11308 NM_007380 Abi1 410.73
5 11350 NM_009594 Abl1 150.37
在这里，您会看到Entrez.ID = 11302的行被删除，因为它只在所有data.frames中出现一次，而且至少有2个data.frames中常见的行出现在这里但是所有data.frames中最大的Tag.Count分数被分配到该行。
更新
如何获取行的平均值。在合并上述三个数据集之后，我想要将Tag.count值相加并除以具有相同Tag.count的总行数，而不是仅保留一行具有最大Entrez.ID值的行。实际上，前3列中的值是相同的，差异仅出现在最后一列中。
例如：
> head(d)
Entrez.ID Nearest.Refseq Gene.Name Tag.Count
1 11302 NM_007377 Aatk 137.48
2 11303 NM_013454 Abca1 118.09
7886 11303 NM_013454 Abca1 86.02
15407 11303 NM_013454 Abca1 69.49
3 11305 NM_007379 Abca2 93.56
7887 11305 NM_007379 Abca2 103.45
因此，在这种情况下，3行有Entrez.ID = 11303，Tag.count值将被总结（118.09 + 86.02 + 69.49）并除以3，最终输出将只包含1行Entrez.ID 11303和Tag.Count value =总和/行数
答案 0 :(得分：3)
这是一种组合三个数据帧的方法。合并所有三个后，我们发现不止一次出现的值。使用该索引，我们可以使用函数max聚合数据框：
d <- do.call(rbind, list(ON1, ON2, ON3))
d1 <- do.call(paste, d[1:3])
tbl <- table(d1) > 1L
indx <- d1 %in% names(tbl[tbl])
aggregate(Tag.Count ~., d[indx,], FUN=max)
# Entrez.ID Nearest.Refseq Gene.Name Tag.Count
# 1 11303 NM_013454 Abca1 118.09
# 2 11305 NM_007379 Abca2 103.45
# 3 11306 NM_009592 Abcb7 95.32
# 4 11308 NM_007380 Abi1 410.73
# 5 11350 NM_009594 Abl1 150.37
答案 1 :(得分：1)
您可以通过将三者绑定在一起，使用一个元素过滤掉组，然后在每个组中选择顶部Tag.Count，在dplyr中执行此操作。
library(dplyr)
F <- bind_rows(ON1, ON2, ON3) %>%
group_by(Entrez.ID) %>% # elements are in same group if same Entrez.ID
filter(n() > 1) %>% # filter out groups with 1 element
top_n(1, Tag.Count) # pick highest Tag.Count from each
答案 2 :(得分：0)
关于更新：
tab <- structure(
list(
Entrez.ID = c(11302L, 11303L, 11303L, 11303L, 11305L, 11305L),
Nearest.Refseq = structure(c(1L, 3L, 3L, 3L, 2L, 2L),
.Label = c("NM_007377", "NM_007379", "NM_013454"),
class = "factor"),
Gene.Name = structure(c(1L, 2L, 2L, 2L, 3L, 3L),
.Label = c("Aatk", "Abca1", "Abca2"),
class = "factor"),
Tag.Count = c(137.48, 118.09, 86.02, 69.49, 93.56, 103.45)
),
.Names = c("Entrez.ID", "Nearest.Refseq", "Gene.Name", "Tag.Count"),
class = "data.frame",
row.names = c("1", "2", "7886", "15407", "3", "7887")
)
print(tab)
# Entrez.ID Nearest.Refseq Gene.Name Tag.Count
# 1 11302 NM_007377 Aatk 137.48
# 2 11303 NM_013454 Abca1 118.09
# 7886 11303 NM_013454 Abca1 86.02
# 15407 11303 NM_013454 Abca1 69.49
# 3 11305 NM_007379 Abca2 93.56
# 7887 11305 NM_007379 Abca2 103.45
dplyr方式library(dplyr)
(res <- tab %>% group_by(Entrez.ID) %>% filter(n() > 1) %>% summarise(Means = mean(Tag.Count)))
结果：
Entrez.ID Means
(int) (dbl)
1 11302 137.480
2 11303 91.200
3 11305 98.505
data.table方式library(data.table)
(res <- setDT(tab)[, if(.N > 1) { .(Means = mean(Tag.Count)) }, by = Entrez.ID])
结果与上述相同。
Nearest.Refseq和Gene.Name列两种可能的dplyr解决方案，选择一个：
假设Nearest.Refseq和Gene.Name对于每个Gene.Name都是唯一的：
res <- tab %>% group_by(Entrez.ID) %>% summarise(Nearest.Refseq = Nearest.Refseq[1], Gene.Name = Gene.Name[1], Means = mean(Tag.Count))
如果不是，你需要对它们做些什么（替换someFunction()！）：
res <- tab %>% group_by(Entrez.ID) %>% summarise(Nearest.Refseq = someFunction(Nearest.Refseq), Gene.Name = someFunction(Gene.Name), Means = mean(Tag.Count))
修改：已删除混合data.table / dplyr方法。