Question

我有三个向量：

position <- c(13, 13, 24, 20, 24, 6, 13)
my_string_allele <- c("T>A", "T>A", "G>C", "C>A", "A>G", "A>G", "G>T")
position_ref <- c("12006", "1108", "13807", "1970", "9030", "2222", "4434")

我要创建一个表格（从最小位置开始），如下所示。我要考虑每个位置的每个my_string_allele列的出现次数，并在position_ref列中包含其对应的position_ref。最简单的方法是什么？

position    T>A position_ref    G>C position_ref    C>A position_ref    A>G position_ref    G>T position_ref
6                                                                       1   2222        
13          2   12006, 1108                                                                 1   4434
20                                                  1   1970                
24                               1  13807                               1   9030

Answer 1

这是一种spread()方法，该方法使用mutate_all()将数据扩展为较宽的格式，以计算出现的次数。

数据

library(tidyverse)
df <- data.frame(position, my_string_allele, position_ref, stringsAsFactors = F)

代码

df %>% group_by(position, my_string_allele) %>%
  mutate(position_ref = paste(position_ref, collapse = ", ")) %>% 
  distinct() %>%
  spread(my_string_allele, position_ref) %>%
  mutate_all(funs(N = if_else(is.na(.), NA_integer_, lengths(str_split(., ", ")))))

输出

  position `A>G` `C>A` `G>C` `G>T` `T>A`       `A>G_N` `C>A_N` `G>C_N` `G>T_N` `T>A_N`
     <dbl> <chr> <chr> <chr> <chr> <chr>         <int>   <int>   <int>   <int>   <int>
1        6 2222  NA    NA    NA    NA                1      NA      NA      NA      NA
2       13 NA    NA    NA    4434  12006, 1108      NA      NA      NA       1       2
3       20 NA    1970  NA    NA    NA               NA       1      NA      NA      NA
4       24 9030  NA    13807 NA    NA                1      NA       1      NA      NA

（您可以按列名称对列进行排序，以获得在问题中显示的输出。）

Answer 2

全面披露：我正在用data.table修改@DarrenTsai的答案的一部分，以提供发生的次数（因为他的答案中没有出现）。使用data.table：

library(data.table)

df <- data.frame(position, my_string_allele, position_ref, stringsAsFactors = F)

setDT(df)

df[, `:=`(position_ref = paste(.N, paste(position_ref, collapse = ", "))),
    by = c("position", "my_string_allele")] %>% 
  unique(., by = c("position", "my_string_allele", "position_ref")) %>% 
  dcast(position ~ my_string_allele, value.var = "position_ref")

结果：

   position    A>G    C>A     G>C    G>T           T>A
1:        6 1 2222   <NA>    <NA>   <NA>          <NA>
2:       13   <NA>   <NA>    <NA> 1 4434 2 12006, 1108
3:       20   <NA> 1 1970    <NA>   <NA>          <NA>
4:       24 1 9030   <NA> 1 13807   <NA>          <NA>

使用dplyr（主要基于@DarrenTsai的回答，也应该投票赞成他）：

library(dplyr)

df %>% group_by(position, my_string_allele) %>%
  mutate(position_ref = paste(n(), paste(position_ref, collapse = ", "))) %>%
  distinct() %>%
  tidyr::spread(my_string_allele, position_ref)

将多个向量索引到R中的表中

2 个答案: