Question

我有一些来自质谱仪的数据。我想根据其他列的内容找到一些值的斜率。

数据如下：

import requests

class OlympicAthlete:
    def __init__(self, name):
        self.url = f'https://www.olympic.org/{name}'

    @property
    def contents(self):
        r = requests.get(self.url)
        if r.status_code != 200:
            print(f'Your get request was unsuccessful with a {r.status_code} error code')
            return None
        return r.text


phelps = OlympicAthlete('michael-phelps')
print(phelps.contents)

我想为每种蛋白质A和B查找2个“比率”值的斜率（实际上，这是针对整个数据框中每个唯一的df $ Protein值）。

我要查找的第一个值是来自通道127N和128N的数据的比率之间的斜率。

我要查找的第二个值是来自通道127C和128C的数据的比率之间的斜率。

N和C是两个不同的实验条件。我认为我必须先进行某种分组，以便只有N与N放在一起，而C与C放在一起。

有什么想法吗？

我最终将得到如下数据：

Protein | Channel | Ratio
A       | 127N    | 0.5
A       | 128N    | 0.7
A       | 127C    | 0.9
A       | 128C    | 0.4
B       | 127N    | 0.2
B       | 128N    | 0.5
B       | 127C    | 0.7
B       | 128C    | 0.3

每种蛋白质有2个斜率，每种条件1个。同样，通道的顺序必须始终相同。我可以将“通道名称”更改为1、2、3、4，这样有助于简化坡度。

Answer 1

您可以使用一些dplyr函数

df <- data.frame(Protein=as.character(c("A","A","A","A")),
                 Channel=as.character(c("127N", "128N", "127C", "128C")),
                 Ratio=as.numeric(c(0.5, 0.7, 0.9, 0.4)),
                 stringsAsFactors = F)

library(dplyr)

# Create condition column
df$Condition <- substr(df$Channel, 4, 4)

df %>% 
  select(Protein, Condition, Ratio) %>% 
  group_by(Protein, Condition) %>% 
  mutate(Slope = Ratio - lag(Ratio, default = first(Ratio))) %>% # This produces the Slope
  mutate(Slope = round(Slope,1)) %>% # This rounds to one decimal place - change if necessary
  select(Protein, Condition, Slope) %>% 
  { .[seq(2, nrow(.), 2), ] }# This selects every second row

输出看起来像这样

# A tibble: 2 x 3
# Groups:   Protein, Condition [2]
  Protein Condition Slope
  <chr>   <chr>     <dbl>
1 A       N           0.2
2 A       C          -0.5
etc

Answer 2

我正在为此使用tidyverse

library(tidyverse)

单独的频道和条件

df$Condition <- str_sub(df$Channel, -1)
df$Channel <- str_sub(df$Channel, 1, -2)

然后

df %>%
  select(Protein, Channel, Condition, Ratio) %>%
  group_by(Protein, Condition) %>%
  arrange(Protein, desc(Condition), Channel) %>%

  # For each row, subtract the previous value
  # This will produce NA for the first row of each group
  mutate(Slope = round(Ratio - lag(Ratio), 1)) %>%

  # Remove the rows with NA
  drop_na() %>%

  # Select just the desired columns
  select(Protein, Condition, Slope)

我添加了一个额外的数据点（A，129N，0.9），以便一个小组有3个时间点，以确保它可以在2个以上的时间点工作。

结果：

# A tibble: 5 x 3
# Groups:   Protein, Condition [4]
  Protein Condition  Slope
  <fct>   <chr>     <dbl>
1 A       N           0.2
2 A       N           0.2
3 A       C          -0.5
4 B       N           0.3
5 B       C          -0.4

根据其他列中的某些条件寻找数据框中某些值的斜率

2 个答案: