R重疊百分比

Question

我有大約25個數據表。現在我想在一些表格的第一列中找到重疊並提取它們。此外，我想知道有多少重疊，有多少百分比。輸出應該是一個表格。這裏有一個例子：

表1：

Gen   Estimate Std. Error p-Value 
1007_s_at -0.159699 0.07834  0.04265 
1053_at  -0.174647 0.064535  0.0098976 
121_at  0.1765678 0.05116854 0.0000657 

表2：

Gen  Estimate  Std. Error p-Value 
1494_f_at 0.2222467 0.0553653 0.0075838 
121_at  0.873683  0.00898737 0.0088378 
1316_at 0.098764  0.098456  0.048899 
1007_s_at 0.89723  0.5675389 0.00007865 

表3：

Gen  Estimate  Std.Error p-Value 
1007_s_at 0.0864567 0.8931278 0.005542 
121_at  0.2378590 0.0236586 0.00005667 
1494_f_at 0.4597023 0.9875357 0.0091234 

結果應該是：

Gen  
1007_s_at  
121_at 

Overlapping rate: 20%  

我試過foverlaps功能，但沒有奏效。

我希望有人能幫忙。謝謝！

更新：

這將是合併所有表格的第一欄後，我的名單（這將是很長 - 約200.000行與46.000不同genes-的混合所以這只是一個簡單的例子） ：

gene A 
gene B 
gene C 
gene D 
gene A 
gene E 
gene F 
gene A 
gene C 
gene A 
gene B 
gene D 
gene A 
gene E 
gene B 
gene A 
gene C 

因此，我們有6次基因A，3次基因B，3次基因C，2次基因d，2次基因E和只有1次基因E.共我們有17個基因。基因A的基因A爲35％，基因B爲18％，基因C爲18％，基因D和基因E爲12％，基因F爲5％。這就是我正在尋找的。也許這並不困難，我想。

Answer 1

您可以使用duplicated()函數。

但首先你需要合併一個向量中的所有第一列的字符串。你只需要使用c()函數。如果您的表已經在一個列表中，或者在一個數據框中，則更容易。也許你也可以使用循環，你不需要寫太多，這取決於你的對象的名稱。如果我有一個最小的工作示例，這將是有用的。

merge.first <- c(table1[,1], table2[,1], table3[,1],....) 

比你搜索重複：

position.dup <- duplicated(merge.first) 

，以防萬一你有兩個以上的重複：

names(table(merge.first[position.dup]) 

您使用的sum()功能的重複計算次數：

sum(position.dup) 

而你如何計算百分比，我不明白你的意思。在你的例子中，你有兩個重疊十行，佔百分之二十而不是百分之二十八。所以我不幸地不知道你需要什麼。

編輯： 現在我有同樣的結果，像你這樣的：

> merge.vector 
[1] "A" "B" "C" "D" "A" "E" "F" "A" "C" "A" "B" 
[12] "D" "A" "E" "B" "A" "C" 
> round((table(merge.vector)/length(merge.vector)) * 100) 
merge.vector 
A B C D E F 
35 18 18 12 12 6 

這行做你想要什麼：

round((table(merge.vector)/length(merge.vector)) * 100)