代码之家 › 专栏 › 技术社区 › neuron

如何创建将不同筛选器应用于数据帧的循环

neuron · 技术社区 · 6 年前

我提前道歉,我的问题标题可能无法准确描述我要做的事情。我认为我需要创建的是一个循环,但我会给出更多细节。我有两个数据帧

DF1

chr location gene sample1 sample2 
1 12345 FAM1 0.1 0
1 124353 ABCA 1 0.5
2 12353 ALMS1 2 0.1
3 23456 TNN 0 0
7 657864 MYBC3 0.3 1

和DF2

sucrose fructose glucose galactose
FAM1 FAM2 ALMS1 ALMS2
FAM2 TNN2 MYBC3 ABCA
FAM3 MYBC2 TNN ABCA2
FAM4 MYBC ABCA2 FAM3
FAM5 ALMS2 ABCA3 FAM4

因此,df1是我的主要数据帧,而df2包含我用来过滤df1的列。例如,我将使用df2(蔗糖)的第一列,并过滤df1以获取蔗糖列中的任何基因。因此,在应用了过滤器之后,数据看起来是这样的。

chr location gene sample1 sample2 
1 12345 FAM1 0.1 0

所以我可以这样做,但是真正的df2有数千列。所以我想做的是如何创建一个循环?(如果这是正确的术语)运行在df2的所有列中,将它们作为过滤器应用到df1,然后将结果保存为新的数据帧。理想情况下,我希望新的数据框架与筛选它的列具有相同的名称,因此在我给出的示例中,新的数据框架将如下所示

sucrose
#   chr location gene sample1 sample2
# 1   1    12345  FAM1   0.1       0

下面是一个脚本示例,我只为df2中的一列运行该脚本

sucrose <- df1 %>%
  filter(gene %in% df2[[1]]) %>%
  filter(gene != "")

sucrose$Number.of.MMVD.dogs <- (sucrose$sample1 + sucrose$sample2)

sucrose <- sucrose  %>%
  filter(Number.of.MMVD.dogs >= 0.01)

这个过滤器给我以下输出

sucrose
#   chr location gene sample1 sample2 Number.of.MMVD.dogs
# 1   1    12345  FAM1   0.1       0        0.1

我只是不想为我用来过滤df1的每一列都输入这个。我知道有一种更好的方法可以做到这一点,而不是用手,但我不确定如何做到这一点。我承认,它将创建大量的数据框架,但我将把它们保存到一个项目中。

2 回复 | 直到 6 年前

Parfait 6 年前

考虑改变宽度 DF2 转换为长格式 tidyr::gather 然后使用加入 dplyr::inner_join 具有 DF1 . 最后, split 新的数据帧糖返回的列一许多数据帧的列表,理想情况下,这些数据帧在全球环境中的管理能力超过1000个:

longdf <- df2 %>%
  tidyr::gather(sugar, gene)

df1 <- df1 %>%
  dplyr::inner_join(longdf, by="gene")

df_list <- split(df1, df1$sugar)

# LIST OF THREE DATA FRAMES
df_list
# $galactose
#   chr location gene sample1 sample2     sugar
# 2   1   124353 ABCA       1     0.5 galactose

# $glucose
#   chr location  gene sample1 sample2   sugar
# 3   2    12353 ALMS1     2.0     0.1 glucose
# 4   3    23456   TNN     0.0     0.0 glucose
# 5   7   657864 MYBC3     0.3     1.0 glucose

# $sucrose
#   chr location gene sample1 sample2   sugar
# 1   1    12345 FAM1     0.1       0 sucrose

如果数据帧存储在命名列表中,而不是作为单独的对象存储,则不会失去数据帧的任何功能:

summary(df_list$galactose)
#       chr       location          gene              sample1     sample2       sugar          
#  Min.   :1   Min.   :124353   Length:1           Min.   :1   Min.   :0.5   Length:1          
#  1st Qu.:1   1st Qu.:124353   Class :character   1st Qu.:1   1st Qu.:0.5   Class :character  
#  Median :1   Median :124353   Mode  :character   Median :1   Median :0.5   Mode  :character  
#  Mean   :1   Mean   :124353                      Mean   :1   Mean   :0.5                     
#  3rd Qu.:1   3rd Qu.:124353                      3rd Qu.:1   3rd Qu.:0.5                     
#  Max.   :1   Max.   :124353                      Max.   :1   Max.   :0.5            

str(df_list$glucose)
# 'data.frame': 3 obs. of  6 variables:
#  $ chr     : int  2 3 7
#  $ location: int  12353 23456 657864
#  $ gene    : chr  "ALMS1" "TNN" "MYBC3"
#  $ sample1 : num  2 0 0.3
#  $ sample2 : num  0.1 0 1
#  $ sugar   : chr  "glucose" "glucose" "glucose"

head(df_list$sucrose)
#   chr location gene sample1 sample2   sugar
# 1   1    12345 FAM1     0.1       0 sucrose

Elio Diaz 6 年前

使用

library(foreach)
library(dplyr)


df1 <- tribble(~chr, ~location, ~gene, ~sample1, ~sample2,
1, 12345, "FAM1", 0.1, 0,
1, 124353, "ABCA", 1, 0.5,
2,12353, "ALMS1", 2, 0.1,
3, 23456, "TNN", 0, 0,
7, 657864, "MYBC3", 0.3 ,1)

df2 <- tribble(
  ~sucrose, ~fructose,~ glucose,~ galactose,
  "FAM1","FAM2", "ALMS1", "ALMS2",
  "FAM2", "TNN2", "MYBC3", "ABCA",
  "FAM3", "MYBC2", "TNN" ,"ABCA2",
  "FAM4", "MYBC", "ABCA2", "FAM3",
  "FAM5", "ALMS2", "ABCA3", "FAM4"
)

foreach(i= 1:dim(df2)[2], .combine=rbind) %do% { 
sucrose <- df1 %>%
  filter(gene %in% df2[[i]]) %>%
  filter(gene != "")
sucrose$Number.of.MMVD.dogs <- (sucrose$sample1 + sucrose$sample2)
sucrose <- sucrose  %>%
  filter(Number.of.MMVD.dogs >= 0.01)
} -> your_variable

输出为:

# A tibble: 4 x 6
    chr location gene  sample1 sample2 Number.of.MMVD.dogs
  <dbl>    <dbl> <chr>   <dbl>   <dbl>               <dbl>
1  1.00    12345 FAM1    0.100   0                   0.100
2  2.00    12353 ALMS1   2.00    0.100               2.10 
3  7.00   657864 MYBC3   0.300   1.00                1.30 
4  1.00   124353 ABCA    1.00    0.500               1.50