首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何在r中使用移除重复项,同时也保留一些条件重复项

问如何在r中使用移除重复项,同时也保留一些条件重复项
EN

Stack Overflow用户
提问于 2019-11-28 11:24:05
回答 2查看 35关注 0票数 0

我有一个按区域分组的基因数据集,我测量它们在各自区域之间的距离。

目前,为了计算所有区域之间的总距离,我在我的区域距离上使用了unique(),但是,这并不意味着两个区域可能有完全相同的数目,当我对总距离进行求和时,两者都应该保持不变。

我想我不知道如何将这个条件不包含在我的代码中,我在这里发现的其他问题没有基于我所需要的其他列数据的条件。

例如,我的数据如下所示:

代码语言:javascript
复制
Gene  region  region.distance
ACE      1       10
AGT      1       10
BRCA     2       20
DVL1     3       10
NOTCH3   4       40

然后,我使用此代码获取region.distance中的唯一值,以求和总距离:

代码语言:javascript
复制
total.distance <- sum(unique(df$region.distance))

但是,这不包括区域1和区域3,它们的距离都是10。我上面的示例数据的输出总距离应该是80,而不是70。

我是否有可能在unqiue()中包含一个if语句,例如使用diff(df$region),但如果它仍然是一个副本,但在一个应该保存的不同区域中?

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2019-11-28 11:30:22

可以移除组内的重复项,然后删除sum。

代码语言:javascript
复制
library(dplyr)
df %>%
  group_by(region) %>%
  filter(!duplicated(region.distance)) %>%
  pull(region.distance) %>% sum
#[1] 80

类似地,在R基中我们可以做到

代码语言:javascript
复制
sum(subset(df, !ave(region.distance, region, FUN = duplicated))$region.distance)
#[1] 80

数据

代码语言:javascript
复制
df <- structure(list(Gene = structure(1:5, .Label = c("ACE", "AGT", 
"BRCA", "DVL1", "NOTCH3"), class = "factor"), region = c(1L, 
1L, 2L, 3L, 4L), region.distance = c(10L, 10L, 20L, 10L, 40L)), 
class = "data.frame", row.names = c(NA, -5L))
票数 1
EN

Stack Overflow用户

发布于 2019-11-28 19:13:04

我们可以使用data.table

代码语言:javascript
复制
library(data.table)
unique(setDT(df),by = c("region", "region.distance"))[, sum(region.distance)]
#[1] 80

数据

代码语言:javascript
复制
df <- structure(list(Gene = structure(1:5, .Label = c("ACE", "AGT", 
"BRCA", "DVL1", "NOTCH3"), class = "factor"), region = c(1L, 
1L, 2L, 3L, 4L), region.distance = c(10L, 10L, 20L, 10L, 40L)), 
class = "data.frame", row.names = c(NA, -5L))
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/59087757

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档