Question

我正在尝试使用dplyr包，但我遇到了处理变量的问题。

假设我有一个简化数据框

my.data <- as.data.frame(matrix(NA), ncol=4, nrow=6)
my.data <- as.data.frame(cbind(c("d6", "d7", "d8", "d9", "da", "db"), c(rep("C200", 2), rep("C400", 4)), c(rep("a",5), "b"), c("c", rep("a", 5))))
colnames(my.data) <- c("snp", "gene", "ind1", "ind2")

我首先用group_by计算每个基因的snp数：

new.data <- my.data %>% group_by(gene) %>% mutate(count = n())

但是我希望每个列的基因百分比得到字符串出现：

new.data %>% group_by(gene) %>% filter(grepl("a", ind1)) %>% dplyr::mutate(perc.a.ind1 = n()/count*100)
new.data %>% group_by(gene) %>% filter(grepl("a", ind2)) %>% dplyr::mutate(perc.a.ind2 = n()/count*100)

它工作正常。问题是我有很多人，我需要自动化它。所以我创建了一个名称向量并在for循环中运行我的函数（我知道循环不是最好的，我很乐意升级到应用版本或其他东西）

ind.vec <- colnames(my.data[,3:4])
for (i in 1:length(ind.vec){
new.data %>% group_by(gene) %>% filter(grepl("a", ind.vec[i])) %>% mutate(percent = n()/count*100)

}

我最后得到一个空的tibble，就像我的ind.vec中没有任何元素被识别一样。

我阅读了小插图https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html，这让我觉得我已经发现了问题，但我对此并不了解，也无法使其与我的数据一起使用。

我用

进行了一些试验

ind.vec <- quote(colnames(my.data[,3:4]))
new.data %>% group_by(gene) %>% filter(grepl("a", !!(ind.vec[i]))) %>% mutate(percent = n()/count*100)

如何使dplyr识别向量元素？

祝你有帮助吗？

Answer 1

我建议您使用tidyr :: gather。

library(tidyverse)
# or library(dplyr);library(tidyr)

my.data %>% 
  group_by(gene) %>% 
  mutate(count = n()) %>% 
  gather(ind, string, ind1, ind2 ) %>% 
  filter(string == "a") %>% 
  group_by(gene, ind, string) %>% 
  mutate(
    n_string = n(),
    freq = n_string /  count * 100 ) 

# A tibble: 10 x 7
# Groups:   gene, ind, string [4]
#      snp   gene count   ind string n_string  freq
#    <fctr> <fctr> <int> <chr>  <chr>    <int> <dbl>
# 1     d6   C200     2  ind1      a        2   100
# 2     d7   C200     2  ind1      a        2   100
# 3     d8   C400     4  ind1      a        3    75
# 4     d9   C400     4  ind1      a        3    75
# 5     da   C400     4  ind1      a        3    75
# 6     d7   C200     2  ind2      a        1    50
# 7     d8   C400     4  ind2      a        4   100
# 8     d9   C400     4  ind2      a        4   100
# 9     da   C400     4  ind2      a        4   100
#10     db   C400     4  ind2      a        4   100

我出于某种原因收到警告，但结果与您提供的结果相同。

Answer 2

@SollanoRabeloBraga，非常感谢!!它解决了我的问题。我修改了聚集功能以包含更多个体 gather(ind, string, ind1:ind5)然后我做了

new.data <- test[!duplicated(new.data[, c("gene", "ind", "freq")]),]

new.data <- cast(test2, gene ~ ind)

打磨我的结果。

如何捕获元素向量，以便它们被R dplyr函数读取？

2 个答案: