如何在重塑2：：融化后保留“long”数据中的值分组？

Question

我正在使用R包重塑的melt函数，并生成一个双条形图(并排)，为几十个物种的两种不同类型的遗传保护提供数值。

我可以在“宽”的时候订购这个列表，例如arrange(species.table, desc(miR), species)

...            species       miR      snoR
1                  Cow 1.0000000 0.9925373
2                Sheep 1.0000000 0.9925373
3                  Cat 0.9967914 1.0000000
4                  Dog 0.9967914 1.0000000
5                Panda 0.9967914 1.0000000
6     White_rhinoceros 0.9967914 1.0000000
7               Alpaca 0.9775401 0.9626866
8           Guinea_Pig 0.9775401 0.9776119
9                 Pika 0.9775401 0.9626866
10                 Rat 0.9775401 0.9776119
11               Mouse 0.9358289 0.9701493
12               Horse 0.9294118 0.9726368
13                 Pig 0.9294118 0.9726368
14     Chinese_Hamster 0.9155080 0.9527363
...

但广泛的数据表明，这两种保护类型在不同的线上，分离了物种。我如何才能使物种“配对”在列表中，而不是例如：

...            species variable     value
1                  Cat     snoR 1.0000000
2                  Cow      miR 1.0000000
3                  Dog     snoR 1.0000000
4                Panda     snoR 1.0000000
5                Sheep      miR 1.0000000
6     White_rhinoceros     snoR 1.0000000
7                  Cat      miR 0.9967914
8                  Dog      miR 0.9967914
9                Panda      miR 0.9967914
10    White_rhinoceros      miR 0.9967914
11                 Cow     snoR 0.9925373
12               Sheep     snoR 0.9925373
13            Elephant     snoR 0.9875622
14              Rabbit     snoR 0.9875622
15               Shrew     snoR 0.9875622
16              Tenrec     snoR 0.9875622
17          Guinea_Pig     snoR 0.9776119
18                 Rat     snoR 0.9776119
...

我的直觉是。为了实现这一点，我将不得不逐行熔化数据，并将生成的行对与rbind (或一些更有效的非基数R等效)连接起来。是否有一种更合理的内置方式来做到这一点？也就是说，让融化的数据知道，我想要一个逐个物种的名单，并保持相同的物种相邻？

更像是：

...            species variable     value
1                  Cow      miR 1.0000000
2                  Cow     snoR 0.9925373
3                  Dog     snoR 1.0000000
4                  Dog      miR 0.9967914
5                Panda     snoR 1.0000000
6                Panda      miR 0.9967914
7                Sheep      miR 1.0000000
8                Sheep     snoR 0.9925373
9     White_rhinoceros      miR 0.9967914
10    White_rhinoceros     snoR 1.0000000
...

Answer 1

从您广泛的数据出发，我认为您希望对每个物种的两个表达式值之和进行排序：

library(dplyr)
library(tidyr)
dat %>% mutate(new = miR + snoR) %>%
        gather(type, expression, -species, -new) %>%
        arrange(desc(new), species, type) %>%
        select(-new)

            species type expression
1               Cat  miR  0.9967914
2               Cat snoR  1.0000000
3               Dog  miR  0.9967914
4               Dog snoR  1.0000000
5             Panda  miR  0.9967914
6             Panda snoR  1.0000000
7  White_rhinoceros  miR  0.9967914
8  White_rhinoceros snoR  1.0000000
9               Cow  miR  1.0000000
10              Cow snoR  0.9925373
11            Sheep  miR  1.0000000
12            Sheep snoR  0.9925373
13       Guinea_Pig  miR  0.9775401
14       Guinea_Pig snoR  0.9776119