Question

从下面的数据框中，我想为V5中的每个唯一标识符选择两个第一行。我不知道从哪里开始。

> head(Up,1000)
                     V1          V2                 V3   V4              V5 V6   V7   V8     V9 V10    V11 V12
1     ENSG00000124357.8        NAGK  ENST00000418807.3 9606 hsa-miR-106a-5p  3  114  121 -0.726  99 -0.726  99
2    ENSG00000131351.10       HAUS8  ENST00000253669.5 9606 hsa-miR-106a-5p  3   27   34 -0.714  99 -0.714  99
3     ENSG00000108702.3        CCL1  ENST00000225842.3 9606 hsa-miR-106a-5p  3  139  146 -0.670  99 -0.670  99
4    ENSG00000189159.11         HN1  ENST00000476258.1 9606 hsa-miR-123a-5p  3  107  114 -0.667  99 -0.666  99
5    ENSG00000154640.10        BTG3  ENST00000339775.6 9606 hsa-miR-123a-5p  3  167  174 -0.665  99 -0.665  99
6    ENSG00000087494.11       PTHLH  ENST00000395872.1 9606 hsa-miR-123a-5p  3  291  298 -0.629  99 -0.629  99
7     ENSG00000197885.6     NKIRAS1  ENST00000388759.3 9606 hsa-miR-155a-5p  3  141  148 -0.628  99 -0.628  99
8    ENSG00000146826.10     C7orf43  ENST00000394035.2 9606 hsa-miR-155a-5p  3  491  498 -0.614  99 -0.613  99
9    ENSG00000117616.13     C1orf63  ENST00000243189.7 9606 hsa-miR-155a-5p  3   37   44 -0.585  99 -0.585  99
10    ENSG00000144583.4      MARCH4  ENST00000273067.4 9606 hsa-miR-155a-5p -2 1353 1359 -0.575  99 -0.575  99
11    ENSG00000213928.4        IRF9  ENST00000396864.3 9606 hsa-miR-1323-5p  3  305  312 -0.567  99 -0.567  99
12    ENSG00000072849.6       DERL2  ENST00000572834.1 9606 hsa-miR-1323-5p  3  253  260 -0.566  99 -0.566  99
13   ENSG00000155366.12        RHOC  ENST00000339083.7 9606 hsa-miR-1323-5p  3  268  275 -0.554  99 -0.552  99
14    ENSG00000179431.5        FJX1  ENST00000317811.4 9606 hsa-miR-1323-5p  3  771  778 -0.550  99 -0.550  99
15   ENSG00000067057.12        PFKP  ENST00000381125.4 9606 hsa-miR-1323-5p  3   73   80 -0.547  99 -0.547  99
16    ENSG00000204923.3      FBXO48  ENST00000377957.3 9606 hsa-miR-1323-5p  3  159  166 -0.531  99 -0.531  99
17   ENSG00000120539.10       MASTL  ENST00000342386.6 9606 hsa-miR-1323-5p  3  246  253 -0.529  99 -0.529  99

数据

Up <- read.table(header = TRUE, stringsAsFactors = FALSE, text="V1          V2                 V3   V4              V5 V6   V7   V8     V9 V10    V11 V12
1     ENSG00000124357.8        NAGK  ENST00000418807.3 9606 hsa-miR-106a-5p  3  114  121 -0.726  99 -0.726  99
2    ENSG00000131351.10       HAUS8  ENST00000253669.5 9606 hsa-miR-106a-5p  3   27   34 -0.714  99 -0.714  99
3     ENSG00000108702.3        CCL1  ENST00000225842.3 9606 hsa-miR-106a-5p  3  139  146 -0.670  99 -0.670  99
4    ENSG00000189159.11         HN1  ENST00000476258.1 9606 hsa-miR-123a-5p  3  107  114 -0.667  99 -0.666  99
5    ENSG00000154640.10        BTG3  ENST00000339775.6 9606 hsa-miR-123a-5p  3  167  174 -0.665  99 -0.665  99
6    ENSG00000087494.11       PTHLH  ENST00000395872.1 9606 hsa-miR-123a-5p  3  291  298 -0.629  99 -0.629  99
7     ENSG00000197885.6     NKIRAS1  ENST00000388759.3 9606 hsa-miR-155a-5p  3  141  148 -0.628  99 -0.628  99
8    ENSG00000146826.10     C7orf43  ENST00000394035.2 9606 hsa-miR-155a-5p  3  491  498 -0.614  99 -0.613  99
9    ENSG00000117616.13     C1orf63  ENST00000243189.7 9606 hsa-miR-155a-5p  3   37   44 -0.585  99 -0.585  99
10    ENSG00000144583.4      MARCH4  ENST00000273067.4 9606 hsa-miR-155a-5p -2 1353 1359 -0.575  99 -0.575  99
11    ENSG00000213928.4        IRF9  ENST00000396864.3 9606 hsa-miR-1323-5p  3  305  312 -0.567  99 -0.567  99
12    ENSG00000072849.6       DERL2  ENST00000572834.1 9606 hsa-miR-1323-5p  3  253  260 -0.566  99 -0.566  99
13   ENSG00000155366.12        RHOC  ENST00000339083.7 9606 hsa-miR-1323-5p  3  268  275 -0.554  99 -0.552  99
14    ENSG00000179431.5        FJX1  ENST00000317811.4 9606 hsa-miR-1323-5p  3  771  778 -0.550  99 -0.550  99
15   ENSG00000067057.12        PFKP  ENST00000381125.4 9606 hsa-miR-1323-5p  3   73   80 -0.547  99 -0.547  99
16    ENSG00000204923.3      FBXO48  ENST00000377957.3 9606 hsa-miR-1323-5p  3  159  166 -0.531  99 -0.531  99
17   ENSG00000120539.10       MASTL  ENST00000342386.6 9606 hsa-miR-1323-5p  3  246  253 -0.529  99 -0.529  99")

Answer 1

如果我们需要根据分组变量“V5”获取前两行，则一个选项为data.table。将“data.frame”转换为“data.table”（setDT(Up)），按“V5”分组，使用head获取前2行

library(data.table)
setDT(Up)[, head(.SD, 2) , by = V5]

在按“V5”分组后，使用slice中的dplyr。

library(dplyr)
Up %>%
   group_by(V5) %>%
   slice(1:2)

正如@Frank在评论中提到的（关于bug），当初始数据集为data.table时，如果特定的“V5”具有少于2个元素，则输出显示另外的NA行。但是，如果我们使用data.frame，它就会起作用。

适用于data.table和data.frame的选项将是（@Franks的评论）

Up %>%
    group_by(V5) %>%
    slice(head(seq_len(n()),2))

Answer 2

使用基数R，以下内容可以使您的data.frame，Up：

非常接近

# get the first unique row
UpFirstTwoRows <- which(!duplicated(Up[, "V5"]))
# get the adjacent row, dropping cases where only one unique row exists
UpFirstTwoRows <- sort(unique(c(UpFirstTwoRows, UpFirstTwoRows + 1)))

UpNew <- Up[UpFirstTwoRows,]

Answer 3

逻辑：

根据给定列的唯一名称对data.frame进行切片。
获取每个切片数据的第一个所需行数。

ARGUMENTS

数据：数据框
col：数据的列名称
num.rows：数字，表示根据唯一值划分数据后要切片的行数

list：logical，如果为true则返回列表，否则返回data.frame

    fun <- function(data, col, num.rows, list = TRUE){
       d <- unique(data[[col]])
       dev.data <- lapply(d, FUN = function(i) { data[data[[col]] == i, ][1:num.rows, ]})
       if(!isTRUE(list)) { 
         return(do.call(rbind, dev.data)) 
       } else {return(dev.data)}
     }

实施例

fun(iris, "Species", 2, FALSE)
fun(iris, "Species", 3, TRUE)

grep数据框中每个唯一变量的前两行

3 个答案: