Question

我是R新手，可能我的问题的解决方案非常简单，但现在我无法实现... 我想按列比较数据框中的行。每列中的数据是一个字母（核苷酸碱基）：

seq1 A C T G T
seq2 A C G G G
seq3 A G G C A
...

我想按列比较数据集中的所有行。我想要获得的结果是简单的1或0，对于TRUE和FALSE在比较中，也以表格的形式编写。所以它看起来像这样：

seq1_seq2 1 1 0 1 0
seq1_seq3 1 0 0 0 0
seq2_seq3 1 0 1 0 0
...

我在R中的技能太低，无法写出有用的东西。但是，我设法找到了

ifelse(data[1,]==data[2,], 1, 0)

几乎返回我需要的内容，但没有显示比较哪些行（没有seq1_seq2列）。我很感激这个问题的任何帮助。当然，完整解决方案的一个例子是最需要的，但我也将对如何解决这个问题的任何建议表示感谢。

提前谢谢！

Answer 1

按行存储数据帧中的序列是错误的。您应该按列存储序列，或者，如果按行存储它们，至少要在矩阵而不是数据帧中存储它们。下面我假设您使用矩阵。您可以使用as.matrix函数将数据帧转换为矩阵。

如果您想避免循环，则应使用combn进行此类任务

> a
     [,1] [,2] [,3] [,4] [,5]
seq1 "A"  "C"  "T"  "G"  "T" 
seq2 "A"  "C"  "G"  "G"  "G" 
seq3 "A"  "G"  "G"  "C"  "A" 

> compare = t(combn(nrow(a),2,FUN=function(x)a[x[1],]==a[x[2],]))
> rownames(compare) = combn(nrow(a),2,FUN=function(x)paste0("seq",x[1],"_seq",x[2]))

> compare
          [,1]  [,2]  [,3]  [,4]  [,5]
seq1_seq2 TRUE  TRUE FALSE  TRUE FALSE
seq1_seq3 TRUE FALSE FALSE FALSE FALSE
seq2_seq3 TRUE FALSE  TRUE FALSE FALSE

将布尔值转换为整数（如果你真的需要它）：

storage.mode（compare）=“integer”

Answer 2

在这种情况下，由于您希望完成所有n平方比较，因此以这种方式循环是一种选择：

result <- list()
for (i in 1:(nrow(df) - 1)) {
    for (j in (i + 1):nrow(df)) {
      result[[paste(row.names(df)[i], row.names(df)[j], sep = '_')]] <- as.integer(df[i, ] == df[j, ])
    }
}
as.data.frame(do.call(rbind, result))

结果输出如下：

          V1 V2 V3 V4 V5
seq1_seq2  1  1  0  1  0
seq1_seq3  1  0  0  0  0
seq2_seq3  1  0  1  0  0

当然，对于较大的数据集来说，这将非常慢。

Answer 3

与Gopala有点不同的方法......可能有一种更简单的方法可以达到目的，但这里是：

#include <stdio.h>
#include <stdlib.h>

struct foo {
    int i;
};

struct bar {
    struct foo f;
};

static void func(struct foo *f, int i)
{
    f->i = i;
}

int main(void)
{
    struct bar *b = malloc(sizeof(*b));

    func((struct foo *)b, 1);
    printf("%d\n", b->f.i);
    return 0;
}

Answer 4

您可以使用此代码（它使用@Dominic Comtois的答案中的myData）：

m <- combn(nrow(myData),2)

result <- sapply(myData,function(C) {z=C[m];z[c(TRUE,FALSE)]==z[c(FALSE,TRUE)]})
#       n1    n2    n3    n4    n5
#[1,] TRUE  TRUE FALSE  TRUE FALSE
#[2,] TRUE FALSE FALSE FALSE FALSE
#[3,] TRUE FALSE  TRUE FALSE FALSE

工作原理：

combn生成所有可能的行索引对
sapply遍历myData
对于每列，获取矩阵m的向量类比，其中行索引由myData
此向量的奇数元素包含第一行，偶数元素包含第二行，因此我们可以使用位掩码c（TRUE，FALSE）和c（FALSE，TRUE）来比较奇数/偶数元素。

R - 按列比较两行并将结果写入表中

4 个答案: