組的行由兩個變量，按列表排序列值，然後連接

我有一個數據幀（DF1）在R的長格式約430,000行和4列。我想按文件對觀察進行分組，然後按名稱進行分組，然後按列表定義的特定順序進行排序，然後連接列GT中的值。該表具有以下格式：組的行由兩個變量，按列表排序列值，然後連接

# Assay Name GT file 
# as1 Fred AG file1.csv 
# as2 Fred GT file1.csv 
# as3 Fred TC file1.csv 
# as2 Curt AG file1.csv 
# as1 Curt GG file1.csv 
# as3 Curt TT file1.csv 
# as1 Fred AG file2.csv 
# as2 Fred NA file2.csv 
# as3 Fred TC file2.csv

所需的輸出應該是這樣的：

# Name GT_concatenated 
# Fred AGGTTC 
# Curt GGAGTT 
# Fred AG TC

這意味着測定列需要通過這個列表的第一個C進行排序（「AS1」，「AS2 「，」as3「），然後連接。我曾經嘗試這樣做：

這給了我想要的輸出，但不排序，併爲「NA」值沒有空格。

來源

2017-08-02 CXK

我有一個答案，但我刪除它，因爲我不知道我理解你想要的輸出。 Fred file1行看起來似乎是AGGTTC，但您已將其列爲GTAGGT。這看起來像as2，as1，as3，我不明白。 – HarlandMason

@HarlandMason我會繼續併發布你的答案，因爲它可能是一個錯字。你可以在進一步澄清後編輯你的答案 – CPak

是的，在那一個上打字。我糾正了它。 – CXK

每當我被列做數據操作，我想談談data.table

library('data.table') 

DF1 <- as.data.table(DF1)

讓我們從文件名稱和試驗數據進行排序。它看起來像一個直字母排序得到所需的順序，用倒在你的榜樣名

DF1 <- DF1[order(file, -Name, Assay)]

創建一個虛擬列，它是在GT的價值，否則一個空間，如果在GT值is.na()

DF1[, GT.space := ifelse(is.na(GT), ' ', GT)]

執行按名稱

DF1[, .(GT_concatenated = paste(GT.space, collapse='')), by=.(file, Name)]

倒塌與我的版本的數據，這個輸出

 file Name GT_concatenated 
1: file1.csv Fred   AGGTTC 
2: file1.csv Curt   GGAGTT 
3: file2.csv Fred   AG TC

如果你真的不想要的文件欄，然後

DF1[, .(GT_concatenated = paste(GT.space, collapse='')), by=.(file, Name)][, .(Name, GT_concatenated)]

產生

Name GT_concatenated 
1: Fred   AGGTTC 
2: Curt   GGAGTT 
3: Fred   AG TC

來源

2017-08-02 22:08:18 HarlandMason

組的行由兩個變量，按列表排序列值，然後連接

回答

相關問題