R:将数据集中的值除以满足某些条件时更改的另一个值。

Question

生成的dataset df

df <- data.frame(
    id = seq(1:9),
    sample = c("SRM1", "SAM1", "SAM2", "SAM3", "SRM2", "SAM4", "SAM5", "SRM3", "SRM4"), 
    ratio1 = rnorm(9, mean = 2, sd = 0.02),
    ratio2 = rnorm(9, mean = 1, sd = 0.01))

看起来就像

 id  sample ratio1  ratio2
 1   SRM1   2.0271  0.99915
 2   SAM1   2.0241  0.98810
 3   SAM2   1.9522  1.00300
 4   SAM3   1.9877  1.00343
 5   SRM2   1.9800  1.00522
 6   SAM4   2.0184  0.97788
 7   SAM5   2.0045  1.00549
 8   SRM3   1.9684  0.99129
 9   SRM4   2.0034  1.00310

我必须将ratio1列中为SRM行报告的值除以一个固定数字a = 1.9。然后，我必须将ratio1列中为SAM行报告的值除以“周围”SRM/a值的平均值。

举一个例子:在id 1和5有两个SRM样本，我计算avg1 <- mean(2.2701, 1.9800)/a。在这一点上，我可以计算

df$ratio.corr <- rep(NA, 9)
df$ratio1.corr[c(2:4)] <- df$ratio1[c(2:4)]/avg1

对于SAM4和SAM5，avg2将被计算为SRM2和SRM3样本的ratio1值的平均值。

对于带有id = 10的假设id = 10，avg3将计算为为SRM4报告的ratio1值与带有id = 11的假设SRM5样本之间的平均值。

请考虑：

• 真正的数据集大约有10000行；
• avg值总是针对用字符串SRM标识的样本计算的；
• 非SRM示例有许多不同的名称，没有公共字符串；
• 与连续SRM的距离可能有所不同(有时为3行、4行甚至0行)
• 对于ratio2列也需要类似的操作，但是使用b = 0.91而不是a。

我简直快疯了。

Answer 1

我找到了这个可能的解决办法：

library(data.table)
a = 1.9
b = 0.91
df <- as.data.table(df)

# SRMs
srm <- grep("SRM", df$sample)
# SAMs between consecutive SRMs
sam <- diff(srm)-1

# Splitting df in SRMs and SAMs
df.srm <- df[srm][, id := 1:.N]
df.sam <- df[-srm]

# For each SAMs I write the IDs of the SRMs before and after it
srm1 <- rep(df.srm$id[-length(df.srm$id)], sam)
srm2 <- srm1 + 1
df.sam <- df.sam[, ':=' (srm1 = srm1, srm2 = srm2)]

# Calculating ratio1/a and ratio2/b
df.srm[, ':=' (ratio1.a = ratio1/a, ratio2.b = ratio2/b)]

# Calculating ratios for each SAMs divided by the average of srm1 and srm2
df.sam$ratio1.ok <- df.sam$ratio1/((df.srm$ratio1.a[df.sam$srm1] + df.srm$ratio1.a[df.sam$srm2])/2)
df.sam$ratio2.ok <- df.sam$ratio2/((df.srm$ratio2.b[df.sam$srm1] + df.srm$ratio2.b[df.sam$srm2])/2)

这似乎是可行的，但我认为最后两行有点混乱。你知道如何改进代码吗？