Question

我有一个类似于下面例子的数据框（这是我数据框的一小部分）。我想基于'pos'列筛选出行，我删除其中值在一个或多个其他行的50之内的行，除非所有附近的行在'm_q_prop'中的值都小于0.05 'f_q_prop'列或'm_p_prop'和'f_p_prop'列。换句话说，剩余行的“pos”值至少与其他行相差50，或者'pos'中50以内的任何行都有'm_q_prop'和'f_p_prop'或'm_p_prop'和'f_p_prop'值小于0.05 。但是，行必须按'contig'列进行分组，以便'pos'值仅与同一'contig'组中的其他行进行比较。

我试图使用许多不同的功能组合，例如下面的功能，但都产生了错误。我的假设是我需要通过'contig'组拆分数据帧，然后在重新加入数据帧之前过滤行。对于中间步骤，我试图直接过滤行，或者创建一个新的类别列（例如，合适的和不合适的），我可以用它来过滤。列也是所有字符，所以需要转换为数字，除了'contig'列（虽然示例数据框产生因子，我不知道如何将它们转换为字符以匹配我的实际数据）。

示例数据框：

df <- data.frame(contig=c("Contig101702", "Contig101702", "Contig103637", 
"Contig105622", "Contig105622", "Contig105622", "Contig105901", 
"Contig105901", "Contig117031", "Contig118816", "Contig120914", 
"Contig120914"), 
pos=c("12048", "13281", "1398", "1078", "1090", "1125", "7178", "7180", 
"3236", "3700", "56298", "56326"),
m_p_prop=c("0.9789", "0.9792", "0.9845", "0.9787", "0.9839", "0.9826", 
"0.9468", "0.9468", "0.9713", "0.9794", "0.0195", "0.0048"),
f_p_prop=c("0.5047", "0.5000", "0.5089", "0.5000", "0.5000", "0.5050", 
"0.4867", "0.4867", "0.4810", "0.5086", "0.0491", "0.0012"),
m_q_prop=c("0.0211", "0.0208", "0.0155", "0.0213", "0.0161", "0.01744", 
"0.0532", "0.0532", "0.0287", "0.0206", "0.9805", "0.0052"),
f_q_prop=c("0.495", "0.5000", "0.4911", "0.5000", "0.5000", "0.4950", 
"0.5133", "0.5133", "0.5190", "0.4914", "0.9509", "0.9988"))

df

过滤后的预期输出：

df_output

我尝试过滤的示例（在此阶段我只是尝试按'pos'值过滤，在我添加'prop'要求之前）：

df_output <- df %>%
  split(df$contig) %>%
  by(function(x) {filter(!between(as.numeric(df$pos), 
                                 as.numeric(df$pos)-50, 
                                 as.numeric(df$pos)+50))}) %>%
  do.call(rbind, .)

df_output <- df %>%
  split(df$contig) %>%
  sapply( function(x) {filter(!as.numeric(df$pos)>=as.numeric(df$pos)-50 |
      !as.numeric(df$pos)<=as.numeric(df$pos)+50)}) %>%
  do.call(rbind, .)

df_output <- df %>% as.numeric(df$pos) %>%
  split(df$contig) %>%
  sapply( function(x)
   {mutate(suitable=ifelse(as.numeric(df$pos)>=as.numeric(df$pos)-50 |
                                            as.numeric(df$pos 
                                            <=as.numeric(df$pos)+50),
                              "bad", "good")}) %>%
  do.call(rbind,.)

Answer 1

使用tidyverse的解决方案。首先，我将所有数字转换为数字。

library(tidyverse)

df <- df %>% mutate_at(vars(-contig), funs(as.numeric(as.character(.))))

之后，我创建了一个名为Diff的列表列，其中包含每个contig中所有数字的组合。然后我创建了一个名为Flag的列，如果所有数字对都大于50或者只有一个数字，则为TRUE。最后，我将数据帧合并回原始数据帧。然后我将数据框过滤为filter(Flag | (m_p_prop < 0.05 & f_p_prop < 0.05) | m_q_prop < 0.05 & f_q_prop < 0.05)。 df2是最终输出。

如果您不想使用map_lgl，请将sapply替换为df2 <- df %>% group_by(contig) %>% summarise(Diff = ifelse(n() > 1, list(combn(pos, 2)), list(NA))) %>% mutate(Flag = map_lgl(Diff, function(x){ if (is.null(dim(x))){ return(TRUE) } else { return(all(abs(x[1, ] - x[2, ]) > 50)) } })) %>% right_join(df, by = "contig") %>% filter(Flag | (m_p_prop < 0.05 & f_p_prop < 0.05) | (m_q_prop < 0.05 & f_q_prop < 0.05)) %>% select(-Diff, -Flag) df2 # A tibble: 7 x 6 # contig pos m_p_prop f_p_prop m_q_prop f_q_prop # <fct> <dbl> <dbl> <dbl> <dbl> <dbl> # 1 Contig101702 12048 0.979 0.505 0.0211 0.495 # 2 Contig101702 13281 0.979 0.500 0.0208 0.500 # 3 Contig103637 1398 0.984 0.509 0.0155 0.491 # 4 Contig117031 3236 0.971 0.481 0.0287 0.519 # 5 Contig118816 3700 0.979 0.509 0.0206 0.491 # 6 Contig120914 56298 0.0195 0.0491 0.980 0.951 # 7 Contig120914 56326 0.00480 0.00120 0.00520 0.999。

$q = "this and that between , up to and in the.";

$this->db->insert('data_strings', ['string' => $q]);

print_r($this->db->get_where('data_strings', ['string' => $q])->result());

如何根据与R中分组数据框中其他行中的值进行比较来过滤行？

1 个答案: