Question

我有一个数据帧（df1），其中包含每个样本中不同物种的丰度：

> SampleID   Sp1   Sp2   Sp3   Sp4   ... Spn
> asb-001      3     0     0    23         9
> asb-002      4    15    10    56        98
> asb-003      8    45     8   453         0
> asb-004      0     5     0     3         6
> asb-005    120    56     0     0         0
...

每列代表不同的物种。

我有另一个数据帧（df2）

Sp     Fam
Sp1   Fam1
Sp2   Fam2
Sp3   Fam1
Sp4   Fam3
Sp5   Fam2
Sp6   Fam1
...

家族名称少于物种名称。

我想根据物种名称一起添加列，以获得该家族的总数（例如Sp1 + Sp3 + Sp6 = Fam1）。我不想保留原始列与物种名称。

如果一切按计划进行，我的新数据框（df3）将如下所示：

> SampleID  Fam1  Fam2  Fam3 
> asb-001     12     0     9 
> asb-002     14    18   112 
> asb-003     28    58    18
> asb-004     10    12    10
> asb-005    142    65     0
...

我可以手动完成并将各个物种组合在一起，但这对于大型数据集来说似乎很乏味，并且可能会产生错误。我觉得我应该融化df1，但我对细节没有信心。任何意见，将不胜感激！

Answer 1

将您的原始数据更改为长格式并加入物种家族映射。然后，您可以使用group_by计算每个系列的总和。最后，将数据传播回广泛格式。

library( tidyverse )

df1 %>% gather( Sp, Value, -SampleID ) %>%     # Convert to long format
  inner_join( df2 ) %>%                        # Combine with family mapping
  group_by( SampleID, Fam ) %>%                # Work on each sample/family pair
  summarize( ValSum = sum(Value) ) %>%         # Compute the sum across species
  ungroup %>% spread( Fam, ValSum, fill=0 )    # Convert back to wide format

根据每个样本中是否显示每个样本，转换回宽格式后，您可能会获得NA。可选参数fill=0负责将这些NA转换为0。

Answer 2

另一种方法，使用library(data.table)：

setDT(df1); setDT(df2) # Convert data.frames into data.tables

x = df2[melt(df1, variable.name = 'Sp'), on = 'Sp'] # Join melted df1 to df2 on species
df3 = dcast(x, SampleID~Fam, fun.aggregate = sum) # cast to wide format by summing total values per family

R - 根据列名称将列添加到一起

2 个答案: