我正在尝试编写一个代码，该代码将自动扰乱多个96孔板的列。
这是数据的一个小例子：
plate <- data.frame(column = rep(c(rep("02", 4), rep("03", 4), rep("04", 4)), 2),
row = rep(c("A", "B", "C", "D"), 6),
plate_id = c(rep("Plate_1", 12), rep("Plate_2", 12)),
compound = 1:24) %>%
mutate(well_id = paste0(row, column))
column row plate_id compound well_id
1 02 A Plate_1 1 A02
2 02 B Plate_1 2 B02
3 02 C Plate_1 3 C02
4 02 D Plate_1 4 D02
5 03 A Plate_1 5 A03
6 03 B Plate_1 6 B03
7 03 C Plate_1 7 C03
8 03 D Plate_1 8 D03
9 04 A Plate_1 9 A04
10 04 B Plate_1 10 B04
11 04 C Plate_1 11 C04
12 04 D Plate_1 12 D04
13 02 A Plate_2 13 A02
14 02 B Plate_2 14 B02
15 02 C Plate_2 15 C02
16 02 D Plate_2 16 D02
17 03 A Plate_2 17 A03
18 03 B Plate_2 18 B03
19 03 C Plate_2 19 C03
20 03 D Plate_2 20 D03
21 04 A Plate_2 21 A04
22 04 B Plate_2 22 B04
23 04 C Plate_2 23 C04
24 04 D Plate_2 24 D04
到目前为止，我所做的是：
all_col <- plate$column %>% unique()
col_list <- rep(list(all_col), plate$plate_id %>% unique() %>% length())
set.seed(2248)
random_col_list <- lapply(col_list, function(x) sample(x))
names(random_col_list) <- plate$plate_id %>% unique()
plate_randomized <- plate %>% #there has to be a better way...
mutate(newcol = case_when(column == all_col[1] & plate_id == "Plate_1" ~ random_col_list$Plate_1[1],
column == all_col[2] & plate_id == "Plate_1" ~ random_col_list$Plate_1[2],
column == all_col[3] & plate_id == "Plate_1" ~ random_col_list$Plate_1[3],
column == all_col[1] & plate_id == "Plate_2" ~ random_col_list$Plate_2[1],
column == all_col[2] & plate_id == "Plate_2" ~ random_col_list$Plate_2[2],
column == all_col[3] & plate_id == "Plate_2" ~ random_col_list$Plate_2[3]),
new_id = paste0(row, newcol))
column row plate_id compound well_id newcol new_id
1 02 A Plate_1 1 A02 03 A03
2 02 B Plate_1 2 B02 03 B03
3 02 C Plate_1 3 C02 03 C03
4 02 D Plate_1 4 D02 03 D03
5 03 A Plate_1 5 A03 02 A02
6 03 B Plate_1 6 B03 02 B02
7 03 C Plate_1 7 C03 02 C02
8 03 D Plate_1 8 D03 02 D02
9 04 A Plate_1 9 A04 04 A04
10 04 B Plate_1 10 B04 04 B04
11 04 C Plate_1 11 C04 04 C04
12 04 D Plate_1 12 D04 04 D04
13 02 A Plate_2 13 A02 04 A04
14 02 B Plate_2 14 B02 04 B04
15 02 C Plate_2 15 C02 04 C04
16 02 D Plate_2 16 D02 04 D04
17 03 A Plate_2 17 A03 02 A02
18 03 B Plate_2 18 B03 02 B02
19 03 C Plate_2 19 C03 02 C02
20 03 D Plate_2 20 D03 02 D02
21 04 A Plate_2 21 A04 03 A03
22 04 B Plate_2 22 B04 03 B03
23 04 C Plate_2 23 C04 03 C03
24 04 D Plate_2 24 D04 03 D03
这可以满足我的需求，但是理想情况下，我可以在all_col和random_col_list索引以及每个plate_id上“循环”，因为这是一个大数据集。
这是与this question类似的问题，但是答案并未说明如何使用purr::map和!!，!!!，所以我不知道如何使用解决这个问题。
答案 0 :(得分：1)
我猜dplyr的方法是改变列级别的顺序，并对向量进行重新排序。然后，我们编写了一个在子集中执行此操作的函数：
library(purrr)
library(tidyr)
library(dplyr)
swap_col=function(df){
df %>%
mutate(newcol=factor(column,levels=sample(unique(column)))) %>%
mutate(newcol=as.character(sort(newcol))) %>%
mutate(newid=paste0(row,newcol))
}
我们可以在一个子集上对此进行测试：
swap_col(subset(plate,plate_id=="Plate_1"))
column row plate_id compound well_id newcol newid
1 02 A Plate_1 1 A02 02 A02
2 02 B Plate_1 2 B02 02 B02
3 02 C Plate_1 3 C02 02 C02
4 02 D Plate_1 4 D02 02 D02
5 03 A Plate_1 5 A03 04 A04
6 03 B Plate_1 6 B03 04 B04
7 03 C Plate_1 7 C03 04 C04
8 03 D Plate_1 8 D03 04 D04
9 04 A Plate_1 9 A04 03 A03
10 04 B Plate_1 10 B04 03 B03
11 04 C Plate_1 11 C04 03 C03
12 04 D Plate_1 12 D04 03 D03
现在我们使用purrr应用于每个子集
plate %>% split(.$plate_id) %>% map_dfr(swap_col)
答案 1 :(得分：1)
如果您想使用purrr和dplyr，请执行以下操作：
首先编写一个可以执行所需功能的函数
newcol = function(all_col_list, col, plate, output){
col_index = which(all_col_list %in% col)
var = output[[plate]][col_index]
return(as.character(var))
}
然后使用mutate和map2：
plate_randomized <- plate %>% #there is a better way...
mutate(newcol = map2(column, plate_id, ~ newcol(all_col,.x, .y,
random_col_list)),
new_id = paste0(row, newcol))
column row plate_id compound well_id newcol new_id
1 02 A Plate_1 1 A02 02 A02
2 02 B Plate_1 2 B02 02 B02
3 02 C Plate_1 3 C02 02 C02
4 02 D Plate_1 4 D02 02 D02
5 03 A Plate_1 5 A03 04 A04
6 03 B Plate_1 6 B03 04 B04
7 03 C Plate_1 7 C03 04 C04
8 03 D Plate_1 8 D03 04 D04
9 04 A Plate_1 9 A04 03 A03
10 04 B Plate_1 10 B04 03 B03
11 04 C Plate_1 11 C04 03 C03
12 04 D Plate_1 12 D04 03 D03
13 02 A Plate_2 13 A02 04 A04
14 02 B Plate_2 14 B02 04 B04
15 02 C Plate_2 15 C02 04 C04
16 02 D Plate_2 16 D02 04 D04
17 03 A Plate_2 17 A03 03 A03
18 03 B Plate_2 18 B03 03 B03
19 03 C Plate_2 19 C03 03 C03
20 03 D Plate_2 20 D03 03 D03
21 04 A Plate_2 21 A04 02 A02
22 04 B Plate_2 22 B04 02 B02
23 04 C Plate_2 23 C04 02 C02
24 04 D Plate_2 24 D04 02 D02