Question

R版本3.3.2（2016-10-31）。使用的包是素食主义者，plyr和bbmle。

我有两个非常大的数据集。我们称他们为df1和df2。每个看起来像这样：

 Taxon          Sam1001    Sam1002
 Bacteria01     0.25       0
 Bacteria02     0.11       0.34

“好”数据集是df1。它有1885个隐含的3013个变量。 df2有1674个隐含2377个变量。加载后，它还会出现警告：

See spec(...) for full column specifications.
Warning: 55 parsing failures.
row           col               expected  actual
1062 SAMN032937893 no trailing characters .12E-07
1062 SAMN032936513 no trailing characters .12E-07
1062 SAMN032936373 no trailing characters .12E-07
1062 SAMN032936273 no trailing characters .12E-07
1062 SAMN032937943 no trailing characters .12E-07
.... ............. ...................... .......
See problems(...) for more details.

我删除了第1062行，因为这似乎是一个问题。然后我运行以下代码：

df[df==0] <- NA
df2[df2==NA_integer_] <- NA #because NA_integer appears in the dataset df2
dfFreq <- apply(df, 2, count)
dfNARemoved <- lapply(dfFreq, function(x) transform(x[-nrow(x),]))
dfFreqxRemoved <- lapply(dfNARemoved, function(x) { x["x"] <- NULL; x 
}) #removing useless x column
dfSum <- lapply(dfFreqxRemoved, function(x) sum(x))

df1生成如下列表：

List of 3013
$ X1                  : int 1884
$ SAMN03073712        : int 191
$ SAMN03852278        : int 1
$ SAMN02142445        : int 100
$ SAMN03852340        : int 1
$ SAMEA2241190        : int 108

等。但是，df2会生成如下列表：

List of 38669
$ : num 1
$ : num 1
$ : num 1
$ : num 1

编辑：我的总体目标是从有蹄库存样本中获取操作分类单位（OTU）的大型数据集，并总结每个样本的OTU出现次数。对于df1，这将生成如下矩阵：

 Sam1001   Sam1002
 2         1

使用此代码：

require(dplyr)
dfBound <- rbind(dfSum)
dfBoundData <- as.data.frame(dfBound)
dfBoundData$X1 <- NULL
transdfBoundData <- transform(dfBoundData, dfSum = 
as.numeric(dfSum)) #although this works, it duplicates all of the rows
subttbd <- transdfBoundData[c(1, 2),]
subttbd <- subttbd[1,] 
mat.subttbd <- data.matrix(subttbd)

然后我将创建图表。这适用于df1，但不能成功用于df2。

由于问题似乎出现在列表的创建中，我的问题是，如何让df2创建像df1这样的列表？具体来说，导致df2得出如此不同的数据框中发生的事情（当我试图进一步操纵它时最终无用）会产生什么结果？

有用（？）信息

我没有提供任何可复制的数据，因为数据集太大，表面上完全相同（如图所示）。如果可以的话，我可能会弄清楚“坏”中发生了什么，df2。
我尝试了str，tail，head以及所有其他技巧组合，以确定是否存在恶意因素或角色。出现是数据集中完整相同的整数和数字数，以及一个因子（Taxon）。

Answer 1

非常感谢Marijin Stevering的回答：

lapply(df, function(x) sum(!is.na(x)))

这也巧妙地削减了几个步骤。

R：两个看似相同的数据集，但有一个有效，有一个没有？

1 个答案: