我有一个包含276列样本和215000行的矩阵。值范围从零到某个非负值。
我将使用mtcars作为简化示例
我需要过滤出少于50%(可以是任何百分比)的样本未达到特定值的行,例如1。
示例矩阵:
Tmtcars <- t(mtcars[1:5,c(2, 8:11)])
我需要选择至少50%的单元格等于或大于1的行。
仅“ vs = c(0,0,1,1,0)”行不满足此条件。因为只有2个单元(占40%)是1个或更大。
应选择“ am = c(1,1,1,0,0)”行,因为3个单元格(60%)等于或大于1。
如果我运行rowMeans函数
Filtered <- Tmtcars[(rowMeans(Tmtcars) >= 1 ) >=0.5, ]
未选中“ am”行。
选择标准必须是50%的细胞是否符合标准,与平均值无关。
谢谢!
答案 0 :(得分:0)
您可以使用rowSums()
:
set.seed(1)
sample1 <- c(sample(1:10, 5))
sample2 <- c(sample(1:10, 5))
sample3 <- c(sample(1:10, 5))
sample4 <- c(sample(1:10, 5))
sample5 <- c(sample(1:10, 5))
df <- data.frame(sample1, sample2, sample3, sample4, sample5)
df2 <- df[rowSums(df > 2) > (ncol(df)/2),]
您显然可以使用这些值。第一个2
是要比较的值,第二个2
在比较匹配大于50%的行中查找。
答案 1 :(得分:0)
True / False参数在R中具有数字值。
TRUE + TRUE ; FALSE + FALSE ; FALSE + TRUE
您可以使用此功能求和以选择行数
sum( 5 == c( 3, 5, 5, 2))
您可以像这样子集化行。当条件满足5次以上时,我们将根据条件进行子集
if( sum( mtcars$mpg >20 ) > 5 ) mtcars[ mtcars$mpg >20 , ]
您还可以创建逻辑向量,以子集或创建新的变量
# more than five times - mpg greater than 20
rows <- rep(sum( mtcars$mpg >20 ) > 5, nrow( mtcars)) & mtcars$mpg >20
# more than 25 times
rowshigher <- rep(sum( mtcars$mpg >20 ) > 25, nrow( mtcars)) & mtcars$mpg >20
mtcars[ rows , ]
答案 2 :(得分:0)
您可以使用
DF3[rowMeans(DF3[,1:20]) > 2 )>0.5, ]
答案 3 :(得分:0)
谢谢,我已经对一些答案进行了调整,最终我用3种方式给了我相同的结果
F1 <- Tmtcars[rowSums(Tmtcars >= 1) >= (ncol(Tmtcars)/2), ]
F1b <- Tmtcars[rowMeans(Tmtcars >= 1) >= 0.5, ]
F2 <- Tmtcars[apply(Tmtcars, 1, function(x) mean(x>=1)>=0.5),]