Question

我有一个数据框，其中的列代表不同年龄的患者，而另一个数据框具有这些年龄的值。我想对数据进行子集处理，以便仅显示50岁以下的患者

> dat
             GSM27015.26.M GSM27016.26.M GSM27018.29.M GSM27021.37.M GSM27023.40.M GSM27024.42.M
31307_at       179.86300    106.495000     265.58600     301.24300     218.50900     224.61000
31308_at       559.07800    411.483000     481.17600     570.73300     333.53900     370.07900
31309_r_at      20.76970     30.641500      50.21530      42.68920      27.10590      21.57620
31310_at       154.19100    224.446000     188.82300     177.86300     233.46300     120.90800
31311_at       956.79700    648.310000     933.65600    1016.41000     762.01300    1040.29000

以及带有患者年龄的注释文件

> ann
          Gender Age
GSM27015      M  26
GSM27016      M  26
GSM27018      M  29
GSM27021      M  37
GSM27023      M  40
GSM27024      M  42
GSM27025      M  45
GSM27027      M  52
GSM27028      M  53

Answer 1

还有其他需要考虑的地方。

您可以转置数据，以便患者为行而不是列。看起来您的列名称中包含年龄和性别，因此您也可以添加这些其他列。

dat_new <- cbind(do.call(rbind, strsplit(colnames(dat), '\\.')), as.data.frame(t(dat)))
colnames(dat_new)[1:3] <- c("id", "age", "gender")
rownames(dat_new) <- NULL

是这样的：

        id age gender 31307_at 31308_at 31309_r_at 31310_at 31311_at
1 GSM27015  26      M  179.863  559.078    20.7697  154.191  956.797
2 GSM27016  26      M  106.495  411.483    30.6415  224.446  648.310
3 GSM27018  29      M  265.586  481.176    50.2153  188.823  933.656
4 GSM27021  37      M  301.243  570.733    42.6892  177.863 1016.410
5 GSM27023  40      M  218.509  333.539    27.1059  233.463  762.013
6 GSM27024  42      M  224.610  370.079    21.5762  120.908 1040.290

然后，如果您希望根据年龄（例如<= 50岁）进行分组，则可以：

dat_new[dat_new$age <= 50, ]

Answer 2

这项工作：

> library(dplyr)
> data
           GSM27015.26.M GSM27016.26.M GSM27018.29.M GSM27021.37.M GSM27023.40.M GSM27024.42.M GSM27024.52.M
31307_at        179.8630      106.4950      265.5860      301.2430      218.5090      224.6100       331.230
31308_at        559.0780      411.4830      481.1760      570.7330      333.5390      370.0790       370.079
31309_r_at       20.7697       30.6415       50.2153       42.6892       27.1059       21.5762     98998.000
31310_at        154.1910      224.4460      188.8230      177.8630      233.4630      120.9080       120.908
31311_at        956.7970      648.3100      933.6560     1016.4100      762.0130     1040.2900      1000.290
> data %>% select_if(as.numeric(gsub('GSM\\d{5}\\.(\\d{2})..','\\1',names(data))) < 50)
           GSM27015.26.M GSM27016.26.M GSM27018.29.M GSM27021.37.M GSM27023.40.M GSM27024.42.M
31307_at        179.8630      106.4950      265.5860      301.2430      218.5090      224.6100
31308_at        559.0780      411.4830      481.1760      570.7330      333.5390      370.0790
31309_r_at       20.7697       30.6415       50.2153       42.6892       27.1059       21.5762
31310_at        154.1910      224.4460      188.8230      177.8630      233.4630      120.9080
31311_at        956.7970      648.3100      933.6560     1016.4100      762.0130     1040.2900
>

因此，我在您的数据“ GSM27024.52.M”中又增加了一列，并且在select输出中未选择它。

Answer 3

也许尝试

dat[as.numeric(gsub(".*?\\.(\\d+)\\..*","\\1",names(dat)))<50]

Answer 4

带有parse_number

的选项

library(stringr)
dat[readr::parse_number(str_remove(names(dat), "^[^.]+\\.")) < 50]

如何基于另一个数据帧中的值对数据帧进行子集设置？

4 个答案: