Question

首先，请原谅我对R的无知。我还是很陌生。

我已经为我将在接下来几天执行的实验创建了一个模拟数据集df。数据看起来像这样：

well time area
a1  0   100
a1  8   88
a1  16  78
a1  24  33
a2  0   96
a2  8   91
a2  16  69
a2  24  41
a3  0   98
a3  8   60
a3  16  24
a3  24  2
a4  0   89
a4  8   63
a4  16  49
a4  24  27
...

“well”是样本id，“time”是实验期间的时间，“area”是我要测量的对象的区域。我想确定，对于每个时间点（0,8,16,24）的每个井，在时间0，相对于该井的初始面积，测得的面积变化了多少。

为此，我想在标题为“percent_initial_size”的数据框中添加一列。在本专栏中，我需要计算每个时间点的初始测量区域（在时间0）的百分比。通用公式如下所示：

(area_at_timeX/area_at_time0)*100

为了帮助澄清我想要做的事情，这里是我希望数据集看起来的方式：

well time area percent_initial_size a1 0 100 100 a1 8 88 88 a1 16 78 78 a1 24 33 33 a2 0 96 100 a2 8 91 94.79 a2 16 69 71.88 a2 24 41 42.71 a3 0 98 100 a3 8 60 61.22 a3 16 24 24.49 a3 24 2 2.04 a4 0 89 100 a4 8 63 70.79 a4 16 49 55.06 a4 24 27 30.34 ...

因此，对于df $ percent_initial_size中的行2-5，我需要引用df $ area，第2行（时间0处的区域）中的单个值。然后，对于df $ percent_initial_size中的行6-9，我需要引用df $ area row 6（也是时间0处的区域）。我正在尝试编写一个脚本来遵循这种模式，直到我的数据集结束，这将是大约500行。希望这是有道理的。

我知道一些基本的软件包（dplyr，tidyr，reshape2等），但我不知道如何做到这一点。我已经尝试了几种解决这个问题的方法，但是我对R完全不熟悉。是否有人可以帮助解决这个问题，或者至少指导我一些可能有用的文档？我不确定当数据是格式时我是否可以做我想做的事情，或者如果我需要重新格式化数据帧，进行我的计算，然后将其转换回原始格式以便在ggplot2中进行绘图。非常感谢！

Answer 1

library(data.table)
 setDT(dat)[,percent_initial_size:=area/area[1]*100,by=well]
 dat
    well time area percent_initial_size
 1:   a1    0  100           100.000000
 2:   a1    8   88            88.000000
 3:   a1   16   78            78.000000
 4:   a1   24   33            33.000000
 5:   a2    0   96           100.000000
 6:   a2    8   91            94.791667
 7:   a2   16   69            71.875000
 8:   a2   24   41            42.708333
 9:   a3    0   98           100.000000
10:   a3    8   60            61.224490
11:   a3   16   24            24.489796
12:   a3   24    2             2.040816
13:   a4    0   89           100.000000
14:   a4    8   63            70.786517
15:   a4   16   49            55.056180
16:   a4   24   27            30.337079

使用dplyr包：

library(dplyr)
dat%>%group_by(well)%>%mutate(percent_initial_size=area/area[1]*100)

Answer 2

library(dplyr)
df %>%
  # perform operations separately for each well
  group_by(well) %>%
  # make sure time zero is in the first position
  arrange(time) %>%
  # divide each area by the first area value for the group (i.e. time zero for the well)
  mutate(percent_initial_size = area / area[1] * 100)

思考这些问题的诀窍在于了解mutate表达式中发生的事情。 area计算向量就像df$area在正常上下文中所做的那样，只要最终结果与输入的长度相同，就可以进行各种R操作。

此处的例外情况是前一个group_by对其进行了更改，以便将数据按其well值拆分为块，并且对每个组而不是整个数据计算一次mutate表达式一次全部框架。这使得对第一个区域项（area[1]）的子集获得每个组中的第一个区域，并且arrange调用确保第一个区域将是时间零的区域。

在R

2 个答案: