通过R中的行标签计算相对丰度？ （素食包？）

Question

我正在尝试根据行标签或名称计算相对丰度（在df$path1中获得每个测试的相对丰度。所以我想计算来自test1的相对丰度，并分别从test2计算相对丰度的计数。test1的相对丰度数之和等于1.

我目前正在使用vegan软件包，但可以使用其他选项。

测试数据集：

library(vegan)
df <- data.frame(x = c("a", "b", "c", "d", "e"), 
                 path1 = c("test1", "test1", "test2", "test2", "test3"),
                 value = c(40, 10, 34, 12, 20))
df$relabun <- decostand(df[3], 2, method = "total") #takes relative abundace of whole column

基于df$path1的相对丰度的理想输出，如下所示：

x path1 relabun_bypath1
a test1 0.8
b test1 0.2
c test2 0.74
d test2 0.26
e test3 1

Answer 1

这是一个经典的拆分 - 应用 - 组合问题。基础R中最直观的方式是

• 使用override func viewDidLoad(){ self.quoteTitle.text = self.quoteTitleString etc... } ，
按组拆分data.frame
• 使用split和
应用函数
• 与*apply或do.call(rbind, ... )结合使用。

所以

unlist

我们可以分配给一个新变量。但是，base有一个很好的奇怪命名函数unlist(lapply(split(df, df$path1), function(x){x$value / sum(x$value)})) # test11 test12 test21 test22 test3 # 0.8000000 0.2000000 0.7391304 0.2608696 1.0000000 ，它可以为我们跨群组应用函数：

ave

这更简洁，同样可以分配给新变量。

如果您更喜欢Hadleyverse，ave(df$value, df$path1, FUN = function(x){x / sum(x)}) # [1] 0.8000000 0.2000000 0.7391304 0.2608696 1.0000000 的分组可以使过程更具可读性：

dplyr

如您所见，它返回data.frame的新版本，我们可以使用它来覆盖现有版本或制作新副本。

无论你选择哪种方式，都要对逻辑感到满意，因为你很可能会使用它。更好，学习所有这些。并library(dplyr) df %>% group_by(path1) %>% mutate(relAbundByPath = value / sum(value)) # Source: local data frame [5 x 4] # Groups: path1 [3] # # x path1 value relAbundByPath # (fctr) (fctr) (dbl) (dbl) # 1 a test1 40 0.8000000 # 2 b test1 10 0.2000000 # 3 c test2 34 0.7391304 # 4 d test2 12 0.2608696 # 5 e test3 20 1.0000000 和tapply / mapply。 Map ......为什么不呢？

注意：如果您愿意，也可以使用data.table功能替换value / sum(value))构造。它更简洁（例如prop.table），但不太明显它正在做什么，这就是为什么我没有在这里使用它。