如何根据数据帧的行的相似性对其进行排序

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

我想对上面的数据帧(df)重新排序，以便在蛋白质通路中共享最大相似性的通路(也就是第2:4列中的最大相似性)依次排序。

更清楚地说，我希望输出如下所示：

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

该如何去做呢？我尝试了各种变体，包括唯一(Df)，但到目前为止都没有成功。

此外，虽然只按非NA字符量对此数据集进行排序，但我将分析的实际数据集将具有数百条具有相同步长的路径。

Answer 1

使用dplyr包中的arrange。它将根据一个或多个列对数据框进行排序。您可以使用desc按照您的帖子中的要求按降序排序：

> 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操作不保留行名，因为它们遵循Hadley Wickham的Tidy data definition (简而言之，行名是不可取的，因为R希望行名是唯一的)。您可以使用tibble包中的rownames_to_column来跟踪您的路径标识符：

> 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

如果您需要将行名放回原处，可以使用等效的tibble::column_to_rownames，但通常不建议这样做。

Answer 2

试试这个(顺便说一句:在列Biomarker1中，您的输入和输出不匹配，我根据我的理解更正了输入df，以获得您想要的输出。)

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

输入

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

**