Question

我有一个数据框mat，它是基因矩阵的样本，其中包含值1, -1 or 0，例如：

          Gene1    Gene2      Gene5      Gene7 
 Sample1    1        0         -1         1
 Sample2    0       -1          0         1
 Sample3   -1        0          1         1
 Sample4    1        1          0         0

另一个数据帧score包含所有基因的相应分数，例如：

GeneName       Score
 Gene1          0.5
 Gene2          0.3
 Gene3          0.2
 Gene4          0.6
 Gene5          0.7
 Gene6          0.1
 Gene7          0.4

我要做的是在mat中添加一个新列，其中包含一些基于等式的分数。等式是：

对于每一行，mat[1,1] *得分为Gene1 + mat[1,2] *得分为Gene2 + mat[1,3] *得分为Gene5 + { {1}} * mat[1,4]的值。 Gene7的每一行都相同。

例如，对于给定数据中的第一行，mat的结果将为：

Sample1

对不起，如果这是一个愚蠢的问题。我是R的新手，仍在处理(1*0.5) + (0*0.3) + (-1*0.7) + (1*0.4) = 0.2，%in%和match等内容。

数据

merge

Answer 1

鉴于您的数据处于当前状态，您可以执行以下操作：

# get matching values
myVals <- as.numeric(score$Score[match(names(mat), score$GeneName, nomatch=FALSE)])
# Get the dot product for each row
apply(mat, 1, function(x) sum(as.numeric(x) * myVals))
Sample1 Sample2 Sample3 Sample4 
    0.2     0.1     0.6     0.8

第一行使用match选择与mat列名对应的score位置。然后使用[提取相应的值。在第二行中，apply使用提取的值计算每行mat的点积。

请注意，您的数字数据存储为字符，因此我使用as.numeric来强制进行计算。

考虑到数据的结构，最好将它们存储为具有行名和列名的数字矩阵。

# turn mat into a matrix:
mat2 <- sapply(mat, as.numeric)

# dot product of each row: matrix multiplication
mat2 %*% myVals
     [,1]
[1,]  0.2
[2,]  0.1
[3,]  0.6
[4,]  0.8

Answer 2

以下是一种使用dplyr/tidyr相当有效地完成此操作（无循环 - 应用函数）的方法：

library(dplyr)
library(tidyr)

mat$Sample <- row.names(mat)
row.names(mat) <- NULL

mat %>%
  gather(GeneName, Value, -Sample) %>%
  inner_join(., score) %>%
  group_by(Sample) %>% summarise(score = sum(Value * Score))

输出是：

# A tibble: 4 × 2
   Sample score
    <chr> <dbl>
1 Sample1   0.2
2 Sample2   0.1
3 Sample3   0.6
4 Sample4   0.8

如何通过将数据框中的列名与另一个数据帧匹配来获取值，并使用这些值来计算其他值？

2 个答案: