Question

我有一个分类变量的数据框，看起来像这样（但更长）。

taxTest <- structure(list(Kingdom = structure(c(1L, 1L, 1L, 1L, 1L), .Label = "Bacteria", class = "factor"), 
Phylum = structure(c(2L, 1L, 1L, 1L, 1L), .Label = c("Bacteroidetes", 
"Proteobacteria"), class = "factor"), Class = structure(c(2L, 
1L, 1L, 1L, 1L), .Label = c("Bacteroidia", "Gammaproteobacteria"
), class = "factor"), Order = structure(c(2L, 1L, 1L, 1L, 
1L), .Label = c("Bacteroidales", "Enterobacteriales"), class = "factor"), 
Family = structure(c(2L, 1L, 3L, 1L, 3L), .Label = c("Bacteroidaceae", 
"Enterobacteriaceae", "Prevotellaceae"), class = "factor"), 
Genus = structure(c(2L, 1L, 3L, 1L, 3L), .Label = c("Bacteroides", 
"Escherichia/Shigella", "Prevotella"), class = "factor"), 
Genus.y = structure(c(NA, 1L, 2L, 1L, 2L), .Label = c("Bacteroides", 
"Prevotella"), class = "factor"), Species = structure(c(1L, 
4L, 2L, 5L, 3L), .Label = c("albertii/boydii/coli/coli,/dysenteriae/enterica/fergusonii/flexneri/sonnei/vulneris", 
"copri", "disiens", "dorei", "dorei/vulgatus"), class = "factor")), .Names = c("Kingdom", 
"Phylum", "Class", "Order", "Family", "Genus", "Genus.y", "Species"
), row.names = c("tax1", "tax2", "tax3", "tax4", "tax5"), class = "data.frame")

我想从这个数据中得出一个简短的分类名称，因此我运行的函数比这个稍微复杂一点（它必须处理一堆这些分类级别中的NA数据处理），但是以同样的方式失败。

library(dplyr)

tag_taxon <- function(tvdf){
    species <- tvdf %>% dplyr::select(Species) %>% unlist

    genus2 <- tvdf %>% dplyr::select(Genus, Genus.y) %>% unlist
    genus <- genus2 %>% na.omit %>% .[1]

    #genus <- tvdf %>% dplyr::select(Genus) %>% unlist

        out <- paste(genus, species)

out }

如果我对表格的每一行运行此功能，我会得到一个我期待的答案，一个属和物种名称。

for(i in 1:5){
    print(taxTest %>% .[i,] %>% tag_taxon)
}

[1]“Escherichia / Shigella albertii / boydii / coli / coli，/ dysenteriae / enterica / fergusonii / flexneri / sonnei / vulneris”

[1]“Bacteroides dorei”

[1]“Prevotella copri”

[1]“Bacteroides dorei / vulgatus”

[1]“Prevotella disiens”

我觉得我应该能够使用dplyr在数据帧的每一行上应用此函数。不幸的是，这会产生反直觉的结果。

 taxTest %>% rowwise %>% tag_taxon

'Escherichia / Shigella albertii / boydii / coli / coli，/ dysenteriae / enterica / fergusonii / flexneri / sonnei / vulneris' 'Escherichia / Shigella dorei''Escherichia / Shigella copri' 'Escherichia / Shigella dorei / vulgatus''Emcherichia / Shigella disiens'

我想也许apply函数也可以在这里工作，但这只是彻底失败了一个神秘的错误信息。

 apply(taxTest, 1, tag_taxon)

UseMethod（“select_”）出错：“select_”没有适用的方法   应用于类“字符”的对象Traceback：


apply（taxTest，1，tag_taxon）

FUN（newX [，i]，...）

tvdf％＆gt;％dplyr :: select（Species）％＆gt;％unlist＃at file 4 of file

withVisible（eval（quote（_fseq（_lhs）），env，env））

eval（quote（_fseq（_lhs）），env，env）

eval（quote（_fseq（_lhs）），env，env）

_fseq（_lhs）

freduce（value，_function_list）

function_list [I]

dplyr :: select（。，Species）

select.default（。，Species）

选择_（。data，.dots = compat_as_lazy_dots（...））

关于这里发生了什么的任何想法？我可以用for循环完全解决这个问题，但如果可以，我宁愿使用dplyr。

谢谢！

编辑：还有一件事！我忘了在我的原始帖子中提到如果一个人不注释#genus <- tvdf %>% dplyr::select(Genus) %>% unlist行（也就是说，我不尝试将物种信息附加到属信息中），则plyr函数会给出预期的结果。

Answer 1

paste是矢量化的，因此不需要按行操作单独的函数。下面的代码要求Genus和Genus.y是字符而不是因素，所以我在运行代码之前完成了转换。

taxTest[,c("Genus","Genus.y")] = lapply(taxTest[,c("Genus","Genus.y")] , as.character)

taxTest %>% 
  mutate(tag = gsub("NA ", "", paste(Genus, ifelse(Genus.y==Genus, NA, Genus.y), Species)))

gsub是删除NA加上后面的空格。以下是tag列的内容：

  tag
1 Escherichia/Shigella albertii/boydii/coli/coli,/dysenteriae/enterica/fergusonii/flexneri/sonnei/vulneris
2                                                                                        Bacteroides dorei
3                                                                                         Prevotella copri
4                                                                               Bacteroides dorei/vulgatus
5                                                                                       Prevotella disiens

要查看原始代码的内容，我们可以向cat添加一些tag_taxon语句。

tag_taxon <- function(tvdf){
  species <- tvdf %>% dplyr::select(Species) %>% unlist

  genus2 <- tvdf %>% dplyr::select(Genus, Genus.y) %>% unlist

  cat("genus2 = ", genus2,"\n")

  genus <- genus2 %>% na.omit %>% .[1]

  cat("genus = ", genus,"\n")

  #genus <- tvdf %>% dplyr::select(Genus) %>% unlist

  out <- paste(genus, species)

  out }

for(i in 1:5){
  print(taxTest %>% .[i,] %>% tag_taxon)
}

genus2 =  Escherichia/Shigella NA 
genus =  Escherichia/Shigella
[1] "Escherichia/Shigella albertii/boydii/coli/coli,/dysenteriae/enterica/fergusonii/flexneri/sonnei/vulneris"
genus2 =  Bacteroides Bacteroides 
genus =  Bacteroides 
[1] "Bacteroides dorei"
genus2 =  Prevotella Prevotella 
genus =  Prevotella 
[1] "Prevotella copri"
genus2 =  Bacteroides Bacteroides 
genus =  Bacteroides 
[1] "Bacteroides dorei/vulgatus"
genus2 =  Prevotella Prevotella 
genus =  Prevotella 
[1] "Prevotella disiens"

好的，for循环正在做我们期望的事情。现在是dplyr::rowwise：

taxTest %>% rowwise %>% tag_taxon

genus2 =  Escherichia/Shigella Bacteroides Prevotella Bacteroides Prevotella NA Bacteroides Prevotella Bacteroides Prevotella 
genus =  Escherichia/Shigella 
[1] "Escherichia/Shigella albertii/boydii/coli/coli,/dysenteriae/enterica/fergusonii/flexneri/sonnei/vulneris"
[2] "Escherichia/Shigella dorei"                                                                              
[3] "Escherichia/Shigella copri"                                                                              
[4] "Escherichia/Shigella dorei/vulgatus"                                                                     
[5] "Escherichia/Shigella disiens"

因此dplyr返回genus2一个向量，其中Genus和Genus.y中的所有值都已连接在一起（NA值除外）。然后genus只保留第一个值并反复使用它。这可能与dplyr执行非标准评估的方式有关，但我并不积极。

如果您想使用自己的功能，它将按照by_row包中purrrlyr的预期方式运行：

library(purrrlyr)

taxTest %>% by_row(tag_taxon)

dplyr使用rowwise运算符给出不同的结果，而不是在每行上循环该函数

1 个答案: