在R中使用for循环根据前列条件组合列值

Question

我正在处理一个大的数据集，对某个基因进行多个观察，在不同的日期和不同的表达水平上。所用数据

我想把所有的“表达式”列值之和到

1. 它们属于同一个基因(列‘基因’i=列‘基因’i+1‘)

和

1. 它们是在同一日期测量的(列' date‘i= column 'date’i+1)

输出应该是这样的(每个基因每个日期应该有一个观察，即该基因在那个日期的所有表达水平之和)：输出

我试着做了一个for循环，但是我对R相对来说还是比较新的，并且在创建循环中的数据时遇到了困难。另一种解决办法可能更好。

非常感谢!

Answer 1

“大”有多大？如果您确实有一个大型数据集，那么您是----更好的是使用data.table。

下面是一个10毫米行的例子。

#   made up example: YOU should provide this
#
set.seed(1)    # for reproducible example
df <- data.frame(gene=sample(1:1e6, 1e7, replace=TRUE), 
                 expression=rpois(1e7, 5), 
                 date=sample(43000:44000, 1e7, replace=TRUE))
##
#
library(tictoc)       # for timing functions
library(dplyr)
library(data.table)
##
#
tic()
result.1 <- df %>% group_by(gene, date) %>% summarise(expression = sum(expression))
toc()
## 40.83 sec elapsed
##
#
tic()
result.2 <- setDT(df)[, .(expression=sum(expression)), keyby=.(gene, date)]
toc()
## 3.03 sec elapsed

所以在这个例子中，data.table的速度要快13倍。