R:如何通过data.frame过滤以删除数据条目

Question

我有一个data.frame，它的开头如下：

        gene            snp     pval   best_snp    best_pval
1  ENSG00000007341  rs2932538  5.6007 rs17030613   10.0542
2  ENSG00000064419 rs10488631  7.7461  rs4728142   24.6101
3  ENSG00000064419 rs12531711  7.7449  rs4728142   24.6101
4  ENSG00000064419 rs12537284  4.5544  rs4728142   24.6101
5  ENSG00000064666  rs3764650 12.3401  rs3752246    5.4001
6  ENSG00000072682 rs10479002  5.0141 rs12521868   21.1550

如图所示，在2-4个株系中，同样的基因被重复。对于重复的基因，我只想保留best_snp和best_pval值，因为它是基因first出现的first行，所以是第2行；对于第3和第4行，我想删除best_snp和best_pval值，因为它与上面的相同。

如果一个基因不被重复，那就保持原样吧。

请记住，这个表比显示的要大得多，而且基因在随机的地方重复。

Answer 1

如果df是您的data.frame：

library(plyr)
ddply(df,.(gene),function(x) {x[-1,c("best_snp","best_pval")] <- NA
return(x)})

Answer 2

我猜是桌子，你是说data.frame。如果是这样的话，如果z是您的data.frame：

z[match(unique(z$Best_SNP), z$Best_SNP),]

基于Arun的答案和链接到您的另一个问题。听起来，您实际上想保留行，但是用一些东西(比如NA?)替换重复的行，这可以用以下方法来完成：

z2 <- z
z2[duplicated(z2$Best_SNP),c("Best_SNP","Best_Pval")] <- NA