Excell或R:编写代码以自动过滤数据中的非感官变化。

Question

我是编程新手，需要指导才能将我的方法转化为代码。

在我的实验室里，我正在做一个时间序列项目，以发现细胞中的哪个基因会在生物体的细胞周期中自然变化。我有一个包含数值的表格数据集(最初为10列，27,000行)。为了分析基因是否在数据集上循环，我将一个时间点(或列)的值除以每个后续时间点(或列)，并在数据集(the top section of the picture is an example of spread sheet with numerical value at each time-point. The bottom section is an example of what the time-comparisons looked like across the data中继续这种趋势。

然后，我使用逻辑后面的多个AND / OR标准实施了一个高级过滤器(Source Jeeped)

WHERE (column A >= 2.0 AND column B <= 0.5)
    OR (column A >= 2.0 AND column C <= 0.5)
    OR (column A >= 2.0 AND column D <= 0.5)
    OR (column A >= 2.0 AND column E <= 0.5)
    (etc ...)  

从那里，我在整个数据集(in the photograph, A on the left -- exanple of the original filter, and B -- the filter sliding across the data)上滑动高级过滤器

过滤器产生了符合我的标准的多张基因。为了计算有多少独特的基因符合这个标准，我合并了所有工作表的A列( gene _ ID's )，并删除了重复项，以产生一个独特基因ID的列表。

由于每个电子表格的大小(过滤前的37列，27000行)，这个过程花费了我近3个小时。这个过程可以加快吗？如果是这样的话，有人能给我指出正确的方向，或者帮我创建代码来做到这一点吗？

感谢您的时间，如果您需要任何澄清，请不要客气。

Answer 1

在R中有几种方法可以做到这一点，但我认为一种常见的、易于考虑的方法是使用any函数。这基本上需要一系列的逻辑测试，并在它们之间放置一个"OR“，因此如果它们中的任何一个返回true，那么它就返回true。您可以将每一列传递给它，然后将其与and组合，以便对列a进行逻辑测试。可能还有其他方法来抽象这一列，但这应该可以让您开始：

df <- data.frame(
    a = 1:100,
    b = 1:100,
    c = 51:150,
    d = 101:200,
    value = rep("a", 100)
)

df[ df$a > 2 & any(df$b > 5, df$c > 5, df$d > 5), "value"] <- "Test Passed!"