Question

我有一个交叉表频率表，其中度量是CAG，列A01，A02等是频率计数。即64个计数的13个CAG，35个计数的CAG 14。

我正在努力：

将A01，A02等中的所有值设置为<0.2，即该列中最高值的大小（即排除那些不符合20％阈值的值）。
通过将该列中的每个值除以该列中所有值的总和来规范化A01，A02等中的每个值。这将为列中的每一行提供0到1之间的值。
通过CAG中的更改将A01，A02等中的每个值相乘。 CAG中的变化是CAG列中的值减去模态CAG值。
然后我需要对每列中的所有值求和。

我在这里有一个刺，但不幸的是我不确定如何进一步发展。非常感谢任何帮助！

data <- data.frame(CAG = c(13, 14, 15, 17), 
               A01 = c(6485,35,132, 12), 
               A02 = c(0,42,56, 4))
iithreshold <- 0.2

ii <- lapply(data[, 8:ncol(height)], function(x) {
  mod <- data$CAG[which.max(x)]
  x < (iithreshold * max(x)) <- 0
  ii2 <- (x / sum (x)) * (height$CAG - mod)
})

ii3 <- sum(ii2)

ii3 <- as.data.frame(ii3)
ii3 <- t(ii3)

好消息！我现在已经开始工作并给出了正确的结果。非常感谢！我必须在某处犯错。我刚从头重新开始。这是工作代码：

library(data.table) 
dataDT <- data.frame(height[,7:ncol(height)])
dataDT <- setDT(dataDT)
iithreshold <- 0.2

colsToBeUsed<-names(dataDT[,!'CAG'])
sumDataSetdata<-c()
iiht<-unlist(lapply(X=1:length(colsToBeUsed),function(X){s=colsToBeUsed[X]
eval(parse(text=paste0('dataDT[',s,'<iithreshold*max(',s,'),',s,':=0]'))) 
eval(parse(text=paste0('dataDT[,MAX',s,':=dataDT[',s,'==max(',s,'),CAG]]')))
eval(parse(text=paste0('dataDT[,norm',s,':=',s,'/sum(',s,')]')))
eval(parse(text=paste0('dataDT[,sum',s,':=',s,'/sum(',s,')*(CAG-MAX',s,'),]')))
eval(parse(text=paste0('rbind(sumDataSetdata,dataDT[,sum(sum',s,')])')))
}))

我一直在努力了解你的每一行功能，但我仍然不确定。对于我的教育，我不认为你能告诉我每个人在做什么？再次感谢你！

Answer 1

嗨我不会使用基数R进行数据操作，尽管这是可能的。我会使用data.table或dplyr包。

我必须注意，这不是唯一的方法，必须考虑数据表的开销，然后在上述两个包之间做出决定。

由于您有n个列，我认为在data.table术语中您需要使用.SD和.SDcols。例如，假设您有A01到A0n列。然后你可以：

colsToBeUsed=names(data[,!('CAG')])  

data[ , lapply(.SD, {your formula as a function}), .SDCols=c(colsToBeUsed)]

在任何情况下，基础R lapply比循环更快，这就是为什么我建议使用lapply。

在收到有关编码方式的评论后，我提供了两个选项：首先使用for循环：

library(data.table)
dataDT<- data.frame(CAG = c(13, 14, 15, 17), 
                   A01 = c(6485,35,132, 12), 
                   A02 = c(0,42,56, 4))
thres <- 0.2
dataDT<-setDT(dataDT)
colsToBeUsed<-names(dataDT[,!'CAG'])
sumDataSetdata<-c()  


for(X in colsToBeUsed){
  eval(parse(text=paste0("dataDT[",X,"<thres*max(",X,"),",X,":=0]")))
  eval(parse(text=paste0("dataDT[,MAX",X,":=dataDT[",X,"==max(",X,"),CAG]]")))
  eval(parse(text=paste0("dataDT[,norm",X,":=",X,"/sum(",X,")]")))
  eval(parse(text=paste0("dataDT[,sum",X,":=",X,"/sum(",X,")*(CAG-MAX",X,"),]")))
  eval(parse(text=paste0("sumDataSetdata<-rbind(sumDataSetdata,dataDT[,sum(sum",X,")])")))
  }

第二次是lapply：

library(data.table)
dataDT<- data.frame(CAG = c(13, 14, 15, 17), 
                    A01 = c(6485,35,132, 12), 
                    A02 = c(0,42,56, 4))

thres <- 0.2
dataDT<-setDT(dataDT)

colsToBeUsed<-names(dataDT[,!'CAG'])
sumDataSetdata<-c()
sumDataSet<-unlist(lapply(X=1:length(colsToBeUsed),function(X){s=colsToBeUsed[X]
  eval(parse(text=paste0('dataDT[',s,'<thres*max(',s,'),',s,':=0]')))
  eval(parse(text=paste0('dataDT[,MAX',s,':=dataDT[',s,'==max(',s,'),CAG]]')))
  eval(parse(text=paste0('dataDT[,norm',s,':=',s,'/sum(',s,')]')))
  eval(parse(text=paste0('dataDT[,sum',s,':=',s,'/sum(',s,')*(CAG-MAX',s,'),]')))
  eval(parse(text=paste0('rbind(sumDataSetdata,dataDT[,sum(sum',s,')])')))
  }))

使用apply（）来操作多个列

1 个答案: