Question

我将信息存储在两个数据帧/ data.tables中，我想使用存储在第二个数据帧（即查询表）中的信息在我的第一个数据帧中添加/折叠行。

我的第一个data.table看起来像这样：

ID    Sample01    Sample02    Sample03
1        1            2           3
2        0            1           2
3        2            0           1 
4        5            2           1

我的第二个data.table（距离矩阵）如下所示：

0    12    4    1
12    0    3    5
4     3    0    6
1     5    6    0

如果第二个显示距离的属性小于2，我想在第一个数据表中添加行的值。

然后它应该看起来像这样（行1和行4相加，因为距离为<2）：

ID    Sample01    Sample02    Sample03
1        6            4           4
2        0            1           2
3        2            0           1

由于数据非常大，我希望使用data.table，但我也可以使用其他软件包，我们将为您提供任何帮助！

编辑：

这将是表1（dput）的真实示例：

structure(list(v_j_cdr3 = c("TCRBV02-01-TCRBJ01-01-SLGGmhcLFF", 
"TCRBV02-01-TCRBJ01-01-SLGhLmhcLFF", "TCRBV02-01-TCRBJ01-01-SLLLGchcLFF", 
"TCRBV02-01-TCRBJ01-01-SLLmGmhcLFF"), HIP08805 = c(6.4439e-05, 
0, 0, 8.69177e-05), HIP17837 = c(6.01681e-05, 0, 0, 0), Keck0006_MC1 = c(2.48385e-05, 
4.96771e-05, 0, 0)), row.names = c(NA, -4L), class = c("data.table", 
"data.frame"), .internal.selfref = <pointer: 0x7ffb190066e0>)

这将是表2（dput）的真实示例：

structure(list(`1` = c(0, 2, 3, 2), `2` = c(2, 0, 4, 3), `3` = c(3, 
4, 0, 2), `4` = c(2, 3, 2, 0)), row.names = c(NA, -4L), class = c("data.table", 
"data.frame"), .internal.selfref = <pointer: 0x7ffb190066e0>)

Edit2：解决方案（没有删除行，因为注释使我意识到我不应该这样做）。

diag(matrix) <- 99
pos <- which(matrix<2,arr.ind = T,useNames = F)
datasubset_raw <- datasubset
for(j in 1:nrow(pos)){datasubset[pos[j,1],] <- datasubset[pos[j,1],]+datasubset_raw[pos[j,2],]}

Answer 1

很显然，您应该对数据集上的所有情况进行循环，但是这个想法可能会对您有所帮助

df1 <- data.frame("ID"=c(1,2,3,4),"Sample01"=c(1,0,2,5),
              "Sample02"=c(2,1,0,2),"Sample03"=c(3,2,0,1))
# df1
#   ID Sample01 Sample02 Sample03
# 1  1        1        2        3
# 2  2        0        1        2
# 3  3        2        0        0
# 4  4        5        2        1
dist_matrix <- matrix(c(0,12,4,1,
                       12,0,3,5,
                       4,3,0,6,
                       1,5,6,0),nrow = 4,ncol = 4)
#> dist_matrix
#     [,1] [,2] [,3] [,4]
#[1,]    0   12    4    1
#[2,]   12    0    3    5
#[3,]    4    3    0    6
#[4,]    1    5    6    0

让我们假设您对条件的对角线不感兴趣，因此应该> 2

diag(dist_matrix) <- 999

位置<2（1和4）的位置

pos <- which(dist_matrix<=2,arr.ind = T,useNames = F)
# pos
#      [,1] [,2]
# [1,]    4    1
# [2,]    1    4
for(i in 1:nrow(pos)){pos[i,] <- sort(pos[i,])} # sort
# pos
#     [,1] [,2]
#[1,]    1    4
#[2,]    1    4
pos <- unique(pos) # your final vector
#pos
#     [,1] [,2]
#[1,]    1    4

总和然后

df1[pos[1],2:4] <- df1[pos[1],2:4]+df1[pos[2],2:4]
#df1
#  ID Sample01 Sample02 Sample03
#1  1        6        4        4
#2  2        0        1        2
#3  3        2        0        0
#4  4        5        2        1

删除第四名

df1 <- df1[-pos[2],]
# df1
#   ID Sample01 Sample02 Sample03
# 1  1        6        4        4
# 2  2        0        1        2
# 3  3        2        0        0

如何根据其他（数据）表中的信息合并行/将其值相加？

1 个答案: