Question

我有一个50000多行和1600多列的数据框。数据框的前两列是因子，其余列是数字。我想丢弃每行中少于80列的单元格值小于0.1（<0.1）的所有行。

更具体地，每行是基因，列是样品。该值包含特定样品中基因的表达。如果基因表达值在80（或1600个样本中的5％）中小于0.1，则丢弃它。

我使用以下代码

df = df[rowSums(df>0.1)>=80, ]

df>0.1为每个元素提供True或False，我计算sum [True=1 and False = 0]，如果总和小于80，则丢弃该行。

但是，由于我的数据框的前两列是因子，它似乎没有那么好用。如果我只能为某些列选择rowSums，那将会很有帮助。另一个等效的代码是

df = df[apply(df[,-1], MARGIN = 1, function(x) sum(x>0.1)>=80}),]

当我在前两列中有因子时，两者都不起作用。

Answer 1

也许试试这个：

dfSubset <-
  df[rowSums(df[, -c(1:2) ] > 0.1) >= (ncol(df) - 2) * 0.05, ]

对于rowums，我们排除前2列，并获得5％的剩余列数（而不是使用硬编码的数字80）。