如何根據行的相似性對數據幀進行排序和排序

Question

df 
     Beginning1 Protein2 Protein3 Protein4 Biomarker1 
Pathway3  A   G   NA   NA   F 
Pathway6  A   G   NA   NA   E 
Pathway1  A   B   C   D    F 
Pathway2  A   B   H   NA   F 
Pathway4  A   B   C   D    E 
Pathway5  A   B   H   NA   F 

我想重新排列上面的數據框（df），以便在它們的蛋白質路徑中共享最大相似性的路徑（又名最大相似性在列2：4中）被排序爲彼此相鄰。

更清楚，我想輸出看起來像這樣：

newdf 
     Beginning1 Protein2 Protein3 Protein4 Biomarker1 
Pathway6  A   G   NA   NA   E 
Pathway3  A   G   NA   NA   F 
Pathway5  A   B   H   NA   E 
Pathway2  A   B   H   NA   F 
Pathway4  A   B   C   D    E 
Pathway1  A   B   C   D    F 

一個人怎麼會去這樣做呢？我已經嘗試過包括獨特（df）在內的各種變體，但目前爲止還沒有任何工作。

此外，雖然按非NA字符的數量排序可用於此數據集，但我將分析的實際數據集將具有數百個具有相同步驟數量的路徑。

Answer 1

試試這個（順便說一句：在Biomarker1欄，你輸入和輸出錯過匹配，我糾正我的理解，以獲得您想要的輸出輸入df基地）

df[is.na(df)]='' 
df$ALL <- do.call(paste0, df[,2:4]) 
df=df[order(rev(df$ALL),rev(df$Biomarker1)),] 
df[df=='']=NA 
df$ALL=NULL 
     Beginning1 Protein2 Protein3 Protein4 Biomarker1 
Pathway6   A  G  <NA>  <NA>   E 
Pathway3   A  G  <NA>  <NA>   F 
Pathway2   A  B  H  <NA>   E 
Pathway5   A  B  H  <NA>   F 
Pathway4   A  B  C  D   E 
Pathway1   A  B  C  D   F 

輸入

df

**

#    Beginning1 Protein2 Protein3 Protein4 Biomarker1 
# Pathway3   A  G  <NA>  <NA>   F 
# Pathway6   A  G  <NA>  <NA>   E 
# Pathway1   A  B  C  D   F 
# Pathway2   A  B  H  <NA>   E 
# Pathway4   A  B  C  D   E 
# Pathway5   A  B  H  <NA>   F 

**

Answer 2

使用dplyr包中的arrange。它會根據一列或多列對數據框進行排序。您可以使用desc在降序排序，在你的崗位要求：

> dplyr::arrange(df, desc(Protein2), desc(Protein3), desc(Protein4)) 

    Beginning1 Protein2 Protein3 Protein4 Biomarker1 
1   A  G  <NA>  <NA>   F 
2   A  G  <NA>  <NA>   E 
3   A  B  H  <NA>   F 
4   A  B  H  <NA>   F 
5   A  B  C  D   F 
6   A  B  C  D   E 

注意dplyr操作不保留rownames，因爲他們遵循哈德利韋翰的Tidy data definition（簡言之，rownames是不可取的，因爲R他們希望是獨一無二的）。您可以使用rownames_to_column從tibble包，讓您的途徑標識符的軌跡：

> tibble::rownames_to_column(df, "Pathway") %>% 
     dplyr::arrange(desc(Protein2), desc(Protein3), desc(Protein4)) 

    Pathway Beginning1 Protein2 Protein3 Protein4 Biomarker1 
1 Pathway3   A  G  <NA>  <NA>   F 
2 Pathway6   A  G  <NA>  <NA>   E 
3 Pathway2   A  B  H  <NA>   F 
4 Pathway5   A  B  H  <NA>   F 
5 Pathway1   A  B  C  D   F 
6 Pathway4   A  B  C  D   E 

有同等tibble::column_to_rownames如果你需要把rownames回來，但一般最好不要。