获取与另一列的每个级别相匹配的列中的级别数。

Question

想象一下我有这样的数据：

Gene   Sample
TP53     A
KRAS     B
TP53     B
CMYC     C
HB1      D
TP53     D
ERBB     E
BRCA1    T
KRAS     B
BRCA1    T

我怎样才能得到每个基因活跃的样本数？换句话说，怎样才能得到列“样本”与列“基因”各因子匹配的因子数？

我想要的产出是：

Gene   Sample
TP53     3
KRAS     1
CMYC     1
HB1      1
ERBB     1
BRCA1    1

Answer 1

使用unique()和table()。

table(unique(df)$Gene)

# BRCA1  CMYC  ERBB   HB1  KRAS  TP53 
#     1     1     1     1     1     3 

dplyr解

library(dplyr)

df %>% distinct %>% count(Gene)

# # A tibble: 6 x 2
#   Gene      n
#   <fct> <int>
# 1 BRCA1     1
# 2 CMYC      1
# 3 ERBB      1
# 4 HB1       1
# 5 KRAS      1
# 6 TP53      3

Answer 2

使用dplyr的一个快速解决方案是

library(dplyr)

df %>% 
  group_by(Gene) %>% 
  summarise(Sample = n_distinct(Sample))

输出

# A tibble: 6 x 2
#   Gene  Sample
#   <chr>  <int>
# 1 BRCA1      1
# 2 CMYC       1
# 3 ERBB       1
# 4 HB1        1
# 5 KRAS       1
# 6 TP53       3