[R總結數據幀具有獨特的功能

Question

我有一個大的表格式如下：

Data <- data.frame("Chrom" = c("chr1", "chr1", "chr1", "chr4", "chr4", "chr6"), "Site" = c(100, 200, 400, 140, 300, 400), "Heart" = c(20, 100, 0, 35, 92, 100), "Brain" = c(30, 40, 55, 100, 0, 100), "Liver" = c(100, 55, 20, 90, 0, 0), "Lungs" = c(100, 0, 80, 40, 30, 0)) 

，並提供：

> Data 
    Chrom Site Heart Brain Liver Lungs 
1 chr1 100 20 30 100 100 
2 chr1 200 100 40 55  0 
3 chr1 400  0 55 20 80 
4 chr4 140 35 100 90 40 
5 chr4 300 92  0  0 30 
6 chr6 400 100 100  0  0 

我想打一個數字與此類似公佈的數字。 （http://www.nature.com/ncomms/2015/150218/ncomms7363/fig_tab/ncomms7363_F1.html）：

基本上每行（基於共同CHROM和網站），我想看看有多少中間值有。我在此將中間值定義爲15到85之間的值。然後，對於每個器官，我想知道在所有器官中有多少行是中間的，僅與該器官共有兩個器官或三個。

Answer 1

顯示data.table的力量：

設置

library(data.table) 

Data <- data.frame("Chrom" = c("chr1", "chr1", "chr1", "chr4", "chr4", "chr6"), "Site" = c(100, 200, 400, 140, 300, 400), "Heart" = c(20, 100, 0, 35, 92, 100), "Brain" = c(30, 40, 55, 100, 0, 100), "Liver" = c(100, 55, 20, 90, 0, 0), "Lungs" = c(100, 0, 80, 40, 30, 0)) 

DT <- data.table(Data) 

isintermediate <- function(x){ 
    return(x >=15 & x <= 85) 
} 


DI <- DT[ , list(Chrom, Site, 
       Heart = isintermediate(Heart), 
       Brain = isintermediate(Brain), 
       Liver = isintermediate(Liver), 
       Lungs = isintermediate(Lungs))] 

這將創建一個矩陣DI看起來像：

> DI 
    Chrom Site Heart Brain Liver Lungs 
1: chr1 100 TRUE TRUE FALSE FALSE 
2: chr1 200 FALSE TRUE TRUE FALSE 
3: chr1 400 FALSE TRUE TRUE TRUE 
4: chr4 140 TRUE FALSE FALSE TRUE 
5: chr4 300 FALSE FALSE FALSE TRUE 
6: chr6 400 FALSE FALSE FALSE FALSE 

隨着TRUE或FALSE如果一個值是否中間。 （可能比創建函數更快捷，但我覺得這種方法很容易遵循）。

計數中間體

現在，通過CHROM +網站計數中間值是簡單

# NoI is Number Intermediate 

> DI[, list(NoI = Heart + Brain + Liver + Lungs), by = c("Chrom","Site")] 
    Chrom Site NoI 
1: chr1 100 2 
2: chr1 200 2 
3: chr1 400 3 
4: chr4 140 2 
5: chr4 300 1 
6: chr6 400 0 

中間體計數由器官

對於中間橫跨的數目，這得到更復雜。

> DA 
    Chrom Site variable value 
1: chr1 100 Heart TRUE 
2: chr4 140 Heart TRUE 
3: chr1 100 Brain TRUE 
4: chr1 200 Brain TRUE 
5: chr1 400 Brain TRUE 
6: chr1 200 Liver TRUE 
7: chr1 400 Liver TRUE 
8: chr1 400 Lungs TRUE 
9: chr4 140 Lungs TRUE 
10: chr4 300 Lungs TRUE 

我們只是在真實值感興趣，因此[value == TRUE]線

現在我們需要爲中間值的計數：首先，使用數據重塑

library(reshape2) 

DA <- melt(DI, id.vars = c("Chrom","Site"))[value == TRUE] 

這給融化每個站點，但附加到每個器官。我們可以用.N和by=要做到這一點，然後合併回到我們最初的表：

DA <- merge(DA,DA[, list(IAcc = .N), by = c("Chrom","Site")], by = c("Chrom","Site"))

，並提供：

> DA 
    Chrom Site variable value IAcc 
1: chr1 100 Heart TRUE 2 
2: chr1 100 Brain TRUE 2 
3: chr1 200 Brain TRUE 2 
4: chr1 200 Liver TRUE 2 
5: chr1 400 Brain TRUE 3 
6: chr1 400 Liver TRUE 3 
7: chr1 400 Lungs TRUE 3 
8: chr4 140 Heart TRUE 2 
9: chr4 140 Lungs TRUE 2 
10: chr4 300 Lungs TRUE 1 

現在所有剩下的是獲得獨特IAccs的計數通過各器官，我們可以用table功能得到：

Output <- data.table(table(DA[,list(variable,IAcc)])) 
> Output 
    variable IAcc N 
1: Heart 1 0 
2: Brain 1 0 
3: Liver 1 0 
4: Lungs 1 1 
5: Heart 2 2 
6: Brain 2 2 
7: Liver 2 1 
8: Lungs 2 1 
9: Heart 3 0 
10: Brain 3 1 
11: Liver 3 1 
12: Lungs 3 1 

凡IAcc是在同一個Chrom和Site上也具有中間值的器官（包括其本身）的數量，並且N是被看到的次數。

最後，繪製（原諒的默認顏色）：

library(ggplot2) 

ggplot(Output, aes(x = variable, y = N, fill = IAcc)) + geom_bar(stat = "identity") 

Answer 2

對於你的問題的第一部分（每行找到多少箇中間值也有），你可以嘗試這樣的：

is_intermediate = function(x) { 
    return(x < 85 & x > 15) 
} 
res = sapply(Data[, 2:length(Data)], is_intermediate) 
rowSums(res) 

如果您熟悉dplyr + tidyr，你可以做類似於：

Data %>% gather(organ, value, Heart:lungs) %>% 
    group_by(Chrom, Site) %>% 
    summarise(n_intermediate = sum(is_intermediate(value))) 

這會給你每個Chrom/Site組合的中間值數量。

因爲你可以這樣做下一部分：

Data %>% select(-Chrom, -Site) %>% 
    mutate_each(funs(is_intermediate)) %>% 
    summarise_each(funs(sum)) 

這將讓你的中間值的數量由列。