我在R中有两个数据帧，我想将它们转换为矩阵。这是我的示例数据
包含2列的data.frame dat，其中一列包含名称，第二列包含一些分数。
> head(dat, n=20)
V1 V2
1 4star_Active_TSS 10.99561503
2 4star_Bivalent_Enhancer 0.42425920
3 4star_Bivalent_Poised_TSS 0.31163730
4 4star_Enhancers 139.64713405
5 4star_Flanking_Active_TSS 23.11961717
6 4star_Flanking_Bivalent_TSS_Enh 0.17654506
7 4star_Genic_enhancers 44.42394542
8 4star_Heterochromatin -34.61099049
9 4star_Quiescent_Low -28.54240987
10 4star_Repressed_PolyComb -0.42096698
11 4star_Strong_transcription 12.70895605
12 4star_Transcr_at_gene_5_and_3 0.00000000
13 4star_Weak_Repressed_PolyComb 0.08902141
14 4star_Weak_transcription 19.28859369
15 4star_ZNF_genes_and_repeats -1.58340662
16 A549_EtOH_0.02pct_Lung_Carcinoma_Active_TSS 14.01552989
17 A549_EtOH_0.02pct_Lung_Carcinoma_Bivalent_Enhancer 1.00466761
18 A549_EtOH_0.02pct_Lung_Carcinoma_Bivalent_Poised_TSS 1.20607773
19 A549_EtOH_0.02pct_Lung_Carcinoma_Enhancers 63.36004048
20 A549_EtOH_0.02pct_Lung_Carcinoma_Flanking_Active_TSS 48.27400816
其他数据框有一列，包含上述数据框的row.names的半名称。
> states=read.delim("states.txt", header=FALSE)
> states
V1
1 Active_TSS
2 Bivalent_Enhancer
3 Bivalent_Poised_TSS
4 Enhancers
5 Flanking_Active_TSS
6 Flanking_Bivalent_TSS_Enh
7 Genic_enhancers
8 Heterochromatin
9 Quiescent_Low
10 Repressed_PolyComb
11 Strong_transcription
12 Transcr_at_gene_5_and_3
13 Weak_Repressed_PolyComb
14 Weak_transcription
15 ZNF_genes_and_repeats
我希望得到的矩阵/ data.frame如下所示。我希望切掉第一个data.frame的第一列和第二个data.frame的列，并创建一个类似下面的矩阵。
>dd_matrix
Active_TSS Bivalent_Enhancer
4star 10.99562 0.4242592
A549_EtOH_0.02pct_Lung_Carcinoma 14.01553 1.0046676
Bivalent_Poised_TSS Enhancers
4star 0.3116373 139.64713
A549_EtOH_0.02pct_Lung_Carcinoma 1.2060777 63.36004
Flanking_Active_TSS Flanking_Bivalent_TSS_Enh
4star 23.11962 0.1765451
A549_EtOH_0.02pct_Lung_Carcinoma 48.27401 1.1449923
Genic_enhancers Heterochromatin Quiescent_Low
4star 44.423945 -34.610990 -28.54241
A549_EtOH_0.02pct_Lung_Carcinoma 5.976754 -1.274768 -31.68228
Repressed_PolyComb Strong_transcription
4star -0.420967 12.708956
A549_EtOH_0.02pct_Lung_Carcinoma -0.331186 3.375022
Transcr_at_gene_5_and_3
4star 0.000000
A549_EtOH_0.02pct_Lung_Carcinoma 1.501412
Weak_Repressed_PolyComb Weak_transcription
4star 0.08902141 19.28859
A549_EtOH_0.02pct_Lung_Carcinoma -0.05151471 11.19855
ZNF_genes_and_repeats
4star -1.583407
A549_EtOH_0.02pct_Lung_Carcinoma 0.000000
非常感谢任何帮助。任何R或unix解决方案都可以使用。
谢谢。
答案 0 :(得分：1)
以下是使用dplyr / tidyr的解决方案：
require(tidyverse);
df %>%
separate(V1, into = c("what","states"), "_", extra = "merge") %>%
spread(states, V2) %>%
column_to_rownames("what");
# Active_TSS Bivalent_Enhancer Bivalent_Poised_TSS Enhancers
#4star 10.99562 0.4242592 0.3116373 139.6471
#A549 NA NA NA NA
# EtOH_0.02pct_Lung_Carcinoma_Active_TSS
#4star NA
#A549 14.01553
# EtOH_0.02pct_Lung_Carcinoma_Bivalent_Enhancer
#4star NA
#A549 1.004668
# EtOH_0.02pct_Lung_Carcinoma_Bivalent_Poised_TSS
#4star NA
#A549 1.206078
# EtOH_0.02pct_Lung_Carcinoma_Enhancers
#4star NA
#A549 63.36004
# EtOH_0.02pct_Lung_Carcinoma_Flanking_Active_TSS Flanking_Active_TSS
#4star NA 23.11962
#A549 48.27401 NA
# Flanking_Bivalent_TSS_Enh Genic_enhancers Heterochromatin Quiescent_Low
#4star 0.1765451 44.42395 -34.61099 -28.54241
#A549 NA NA NA NA
# Repressed_PolyComb Strong_transcription Transcr_at_gene_5_and_3
#4star -0.420967 12.70896 0
#A549 NA NA NA
# Weak_Repressed_PolyComb Weak_transcription ZNF_genes_and_repeats
#4star 0.08902141 19.28859 -1.583407
#A549 NA NA NA
说明：通过拆分第一个V1，将"_"分成两列;然后使用spread作为键，states作为值，将V2转换为宽格式，并将列what转换为行名。
df <- read.table(text =
" V1 V2
1 4star_Active_TSS 10.99561503
2 4star_Bivalent_Enhancer 0.42425920
3 4star_Bivalent_Poised_TSS 0.31163730
4 4star_Enhancers 139.64713405
5 4star_Flanking_Active_TSS 23.11961717
6 4star_Flanking_Bivalent_TSS_Enh 0.17654506
7 4star_Genic_enhancers 44.42394542
8 4star_Heterochromatin -34.61099049
9 4star_Quiescent_Low -28.54240987
10 4star_Repressed_PolyComb -0.42096698
11 4star_Strong_transcription 12.70895605
12 4star_Transcr_at_gene_5_and_3 0.00000000
13 4star_Weak_Repressed_PolyComb 0.08902141
14 4star_Weak_transcription 19.28859369
15 4star_ZNF_genes_and_repeats -1.58340662
16 A549_EtOH_0.02pct_Lung_Carcinoma_Active_TSS 14.01552989
17 A549_EtOH_0.02pct_Lung_Carcinoma_Bivalent_Enhancer 1.00466761
18 A549_EtOH_0.02pct_Lung_Carcinoma_Bivalent_Poised_TSS 1.20607773
19 A549_EtOH_0.02pct_Lung_Carcinoma_Enhancers 63.36004048
20 A549_EtOH_0.02pct_Lung_Carcinoma_Flanking_Active_TSS 48.27400816", header = T)
答案 1 :(得分：1)
棘手的事情似乎是状态和前缀之间没有分隔符，并且某些状态是其他状态的一部分。无论如何，这就是我提出的：
library(tidyverse)
dat %>%
rowwise() %>%
mutate(postfix = max(states$V1[str_detect(V1, states$V1)])) %>%
mutate(prefix = str_replace(V1, str_c("_", postfix), "")) %>%
melt(id.vars = c("postfix", "prefix"), measure.vars = "V2") %>%
dcast(prefix ~ postfix)
在第一个mutate中，识别最长匹配状态以形成postfix。在第二个mutate中，此postfix被删除以形成prefix。