變換數據幀劃分成矩陣與計數

Question

我有結構化的這樣的數據文件：

OTU1 PIA0 1120 
OTU2 PIA1 2 
OTU2 PIA3 6 
OTU2 PIA4 10 
OTU2 PIA5 1078 
OTU2 PIN1 24 
OTU2 PIN2 45 
OTU2 PIN3 261 
OTU2 PIN4 102 
OTU3 PIA0 16 
OTU3 PIA1 59 
OTU3 PIA2 27 
OTU3 PIA3 180 
OTU3 PIA4 200 
OTU3 PIA5 251 
OTU3 PIN0 36 
OTU3 PIN1 61 
OTU3 PIN2 156 
OTU3 PIN3 590 
OTU3 PIN4 277 
OTU4 PIA0 401 
OTU4 PIN0 2 

我想要創建一個矩陣，示出了從第二塔以第一列作爲用於計數基準數據的組合（顯示每次測量第一列數量-OTU1，OTU2，OTU3，OTU4多少次 - 來自第二列的每個數據在相同的OTU中彼此一起出現）。它需要像這樣：一排並用相同名稱的列之間

PIA0 PIA1 PIA2 PIA3 PIA4 PIA5 PIN0 PIN1 PIN2 PIN3 PIN4 
PIA0 1  1  1  1  1  1  2  1  1  1  1 
PIA1 1  0  1  2  2  2  1  2  2  2  2 
PIA2 1  1  0  1  1  1  1  1  1  1  1 
PIA3 1  2  1  0  2  2  1  2  2  2  2 
PIA4 1  2  1  2  0  2  1  2  2  2  2 
PIA5 1  2  1  2  2  0  1  2  2  2  2 
PIN0 2  1  1  1  1  1  0  1  1  1  1 
PIN1 1  2  1  2  2  2  1  0  2  2  2 
PIN2 1  2  1  2  2  2  1  2  0  2  2 
PIN3 1  2  1  2  2  2  1  2  2  0  2 
PIN4 1  2  1  2  2  2  1  2  2  2  0 

數據共享反映了這一數據單獨出現在OTU的次數。

任何想法？

我已經閱讀了關於R庫'reshape2'和命令'acast'here，但是我只能改變其中包含所有數據的矩陣的形狀，不能根據需要進行組合計數。我也一直在考慮一個Biopython腳本，但我認爲用我對編程的一點基礎知識寫下來會太大也很難。

目標是構建一個像這個例子中的矩陣，所以我可以使用這些數據運行CIRCOS online程序。

Answer 1

您可以使用dcast創建一個二進制矩陣，指示每個OTU內部每個PI的存在，然後將其相乘以獲得計數。

d <- read.fwf(textConnection(" 
OTU1 PIA0 1120 
OTU2 PIA1 2 
OTU2 PIA3 6 
OTU2 PIA4 10 
OTU2 PIA5 1078 
OTU2 PIN1 24 
OTU2 PIN2 45 
OTU2 PIN3 261 
OTU2 PIN4 102 
OTU3 PIA0 16 
OTU3 PIA1 59 
OTU3 PIA2 27 
OTU3 PIA3 180 
OTU3 PIA4 200 
OTU3 PIA5 251 
OTU3 PIN0 36 
OTU3 PIN1 61 
OTU3 PIN2 156 
OTU3 PIN3 590 
OTU3 PIN4 277 
OTU4 PIA0 401 
OTU4 PIN0 2"), widths=c(8,8,10), header=FALSE, skip=1) 

library(reshape2) 
A <- as.matrix(dcast(V1 ~ V2, data=d, length)[,-1]>0) 
#   PIA0  PIA1  PIA2  PIA3  PIA4  PIA5  PIN0  PIN1  PIN2  PIN3  PIN4  
# [1,]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE 
# [2,] FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE 
# [3,]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE 
# [4,]  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE 
t(A) %*% A 
#    PIA0  PIA1  PIA2  PIA3  PIA4  PIA5  PIN0  PIN1  PIN2  PIN3  PIN4  
# PIA0   3  1  1  1  1  1  2  1  1  1  1 
# PIA1   1  2  1  2  2  2  1  2  2  2  2 
# PIA2   1  1  1  1  1  1  1  1  1  1  1 
# PIA3   1  2  1  2  2  2  1  2  2  2  2 
# PIA4   1  2  1  2  2  2  1  2  2  2  2 
# PIA5   1  2  1  2  2  2  1  2  2  2  2 
# PIN0   2  1  1  1  1  1  2  1  1  1  1 
# PIN1   1  2  1  2  2  2  1  2  2  2  2 
# PIN2   1  2  1  2  2  2  1  2  2  2  2 
# PIN3   1  2  1  2  2  2  1  2  2  2  2 
# PIN4   1  2  1  2  2  2  1  2  2  2  2