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:
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:
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?
发布于 2019-11-28 11:30:22
可以移除组内的重复项,然后删除sum。
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
sum(subset(df, !ave(region.distance, region, FUN = duplicated))$region.distance)
#[1] 80数据
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))发布于 2019-11-28 19:13:04
我们可以使用data.table
library(data.table)
unique(setDT(df),by = c("region", "region.distance"))[, sum(region.distance)]
#[1] 80数据
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))https://stackoverflow.com/questions/59087757
复制相似问题