Question

我实际上正在处理基因组数据，我有一个数据框，我将向您展示前三行（见下表）：

Chrom |   POS    |     ID      | REF | ALT | HapA | HapB |
----------------------------------------------------------
 22   | 16495833 | rs116911124 |  A  |  C  |   1  |  0   |
 22   | 19873357 | rs116378360 |  T  |  A  |   0  |  1   |
 22   | 21416404 | rs117982183 |  T  |  T  |   0  |  .   |

所以，我想替换＆＃34; 0＆＃34;，＆＃34; 1＆＃34;的值。和＆＃34;。＆＃34;来自＆＃34; HapA＆＃34;和＆＃34; HapB＆＃34;根据REF和ALT列的列，用于数据框中的每一行。例如：

a）对于第一行我想改变＆＃34; 1＆＃34;在HapA专栏中为＆＃34; C＆＃34;在ALT列中，＆＃34; 0＆＃34;在＆＃34; A＆＃34;的HapB列中; REF栏中的值

b）对于第二行改变＆＃34; 0＆＃34;对于＆＃34; T＆＃34;在＆＃34; REF＆＃34;列和＆＃34; 1＆＃34;对于＆＃34; A＆＃34;在＆＃34; ALT＆＃34;列。

c）最后，对于＆＃34;。＆＃34;将其更改为＆＃34; NA＆＃34;

我认为这可以通过＆＃34; if else＆＃34;来实现。或者使用data.table。

非常感谢。

Answer 1

我认为if_else()，recode()或case_when()都可以为此工作。在这里，我尝试使用mutate_at()将功能应用于HapA和HapB。如果这些列中的一个值不等于1,0，或者。那么函数应该将值作为字符串返回。

mutate_at(df, vars(HapA, HapB),
    function(x) {case_when(x == 1 ~ .$ALT,
                     x == 0 ~ .$REF,
                     x == . ~ NA_character_,
                     TRUE ~ as.character(x)) } )

Answer 2

有点不清楚你想要什么，因为你没有指定0列第三行HapA应该发生什么，但考虑到你是什么说，这是一个dplyr解决方案：

library(dplyr)

df <- read.table(text = "
'Chrom'     'POS'      'ID'       'REF'  'ALT' 'HapA' 'HapB'
22     16495833   'rs116911124'    'A'     'C'      1     0  
22     19873357   'rs116378360'    'T'     'A'      0     1  
22     21416404   'rs117982183'    'T'     'T'      0     .", header = T, stringsAsFactors = F)

df %>%
  mutate(HapA = ifelse(HapA == 1, ALT, ifelse(HapA == 0, REF, NA)),
         HapB = ifelse(HapB == 1, ALT, ifelse(HapB == 0, REF, NA)))

##   Chrom      POS          ID REF ALT HapA HapB
## 1    22 16495833 rs116911124   A   C    C    A
## 2    22 19873357 rs116378360   T   A    T    A
## 3    22 21416404 rs117982183   T   T    T <NA>

Answer 3

这不是一个真正的问题，但我会猜测它是什么：

如何按照以下规则替换HapA和HapB的值：


如果"0"，则替换为REF。
的值
如果"1"，则替换为ALT。
的值
如果"."，则替换为NA。

请注意，我还假设HapA和HapB是字符列，因为.不能是数字值。

如果这是正确的解释，那么就不需要使用花哨的技巧。这是一个＆＃34; if-else＆＃34;问题。这是使用data.table的解决方案，我认为这在基因组分析中很常见。首先，我将创建示例数据集：

library(data.table)

dt <- fread(
  header = TRUE,
  colClasses = c(
    Chrom = "character",
    POS   = "integer",
    ID    = "character",
    REF   = "character",
    ALT   = "character",
    HapA  = "character",
    HapB  = "character"
  ),
  input = "
Chrom  POS        ID               REF     ALT      HapA HapB
22     16495833   'rs116911124'    'A'     'C'      1     0  
22     19873357   'rs116378360'    'T'     'A'      0     1  
22     21416404   'rs117982183'    'T'     'T'      0     ."
)
dt
#    Chrom      POS            ID REF ALT HapA HapB
# 1:    22 16495833 'rs116911124' 'A' 'C'    1    0
# 2:    22 19873357 'rs116378360' 'T' 'A'    0    1
# 3:    22 21416404 'rs117982183' 'T' 'T'    0    .

这是很长的一部分。这是短篇小说。

dt[HapA == "0", HapA := REF]
dt[HapA == "1", HapA := ALT]
dt[HapA == ".", HapA := NA]
dt[HapB == "0", HapB := REF]
dt[HapB == "1", HapB := ALT]
dt[HapB == ".", HapB := NA]
dt
#    Chrom      POS            ID REF ALT HapA HapB
# 1:    22 16495833 'rs116911124' 'A' 'C'  'C'  'A'
# 2:    22 19873357 'rs116378360' 'T' 'A'  'T'  'A'
# 3:    22 21416404 'rs117982183' 'T' 'T'  'T'   NA

我强烈建议以一种简单的方式写出来，如上所述。它简短，几乎没有重复，一眼就能轻松理解。但是，如果您想将此概括为大量列，则需要编写大量重复行。所以这是一个循环版本：

replaced_columns <- c("HapA", "HapB")  # Switch these out for any
source_columns   <- c("REF", "ALT")    # number of columns

for (rr in replaced_columns) {
  for (source_i in seq_along(source_columns)) {
    target_rows <- which(dt[[rr]] == source_i - 1)
    dt[
      target_rows,
      (rr) := .SD,
      .SDcols = source_columns[source_i]
    ]
  }
}

dt
#    Chrom      POS            ID REF ALT HapA HapB
# 1:    22 16495833 'rs116911124' 'A' 'C'  'C'  'A'
# 2:    22 19873357 'rs116378360' 'T' 'A'  'T'  'A'
# 3:    22 21416404 'rs117982183' 'T' 'T'  'T'    .

根据另一列

3 个答案: