Question

我有一个包含多个条目的列表，示例条目如下：

> head(gene_sets[[1]])
     patient Diagnosis Eigen_gene ENSG00000080824 ENSG00000166165 ENSG00000211459 ENSG00000198763 ENSG00000198938 ENSG00000198886
1 689_120604        AD -0.5606425           50137           38263          309298          528233          523420          730537
2 412_120503        AD  0.9454632           44536           23333          404316          730342          765963         1168123
3 706_120605        AD  0.6061834           16647           22021          409498          614314          762878         1171747
4 486_120515        AD  0.8164779           21871            9836          518046          697051          613621         1217262
5 469_120514        AD  0.5354927           33460           11651          468223          653745          608259         1115973
6 369_120502        AD -0.8363372           32168           44760          271978          436132          513194          784537

对于这些条目，前三列始终保持一致，并且总列数会有所不同。

我想要做的是将整个列表转换为数据帧。我需要保留的信息是set_index作为列表中的条目索引，然后是Eigen_gene之外的所有列号，直到最后一列。

我可以考虑使用循环的解决方案，但是我想要一个dplyr/reshape解决方案。

澄清一下，如果我们有一个假输入，如下所示：

> list(data.frame(patient= c(1,2,3), Diagnosis= c("AD","Control", "AD"), Eigen_gene= c(1.1, 2.3, 4.3), geneA= c(1,1,1), geneC= c(2,1,3), geneB= c(2,39,458)))
[[1]]
  patient Diagnosis Eigen_gene geneA geneC geneB
1       1        AD        1.1     1     2     2
2       2   Control        2.3     1     1    39
3       3        AD        4.3     1     3   458

所需的输出看起来像这样（我只显示了输入的第一个列表条目的示例，输出显示了列表中的其他条目也将如何格式化）：

> data.frame(set_index= c(1,1,1,2,2,2,3,3), gene= c("geneA", "geneC", "geneB", "geneF", "geneE", "geneH", "geneT", "geneZ"))
  set_index  gene
1         1 geneA
2         1 geneC
3         1 geneB
4         2 geneF
5         2 geneE
6         2 geneH
7         3 geneT
8         3 geneZ

谢谢！

Answer 1

以下是tidyverse和purrr的解决方案。我扩展了示例输入以生成示例输出。这里的关键功能是imap，它是map2(x, seq_along(x))的简写。有关详情，请参阅help。我们想要做的是将一个函数应用于列表和其索引中的每个数据帧。所以我们使用函数~ tibble(set_index = .y, gene = colnames(.x[4:ncol(.x)]))。

~，.x和.y是purrr，function(x, y)和x的{{1}}个缩写。这让我们可以紧凑地引用函数的参数。请参阅y。
?map2创建第一列并使用当前数据框的索引填充它（它有用地重复为正确的长度）
set_index = .y从基因名称的向量中创建第二列。 gene = colnames(.x[4:ncol(.x)]))获取数据框的变量名称，但我们将其子集排除前三个。
如果我们只有colnames，我们会得到一个数据框列表。 imap只接受该列表并将它们作为行绑定在一起，从而产生所需的输出。（相当于之后调用imap_dfr）

bind_rows

由reprex package（v0.2.0）创建于2018-03-02。

R等DPLYR：将数据帧列表转换为单个有组织的数据帧

1 个答案: