为行组创建具有聚合值的矩阵

Question

我有一个巨大的矩阵，包含从显微细胞图像中提取的各种特征。不同的特性分布在各个列之间，单个单元格分布在矩阵的各个行上。然而，这些测量来自时间推移显微镜，例如每个单个细胞在这个矩阵中有90行(时间点)。因此这个矩阵有维数cell_amount*90；feature_amount。

我的目标是：

• 计算每个单元的后续时间点的差值(时间序列的“导数”)，然后
• 创建一个包含每个单元格差异聚合的新矩阵(因此新矩阵具有维度cell_amount；feature_amount)。

我在R中设置了一些代码来测试我的问题，其中我有4个单元格，4个特性(列)，每个单元格有3个时间点值。第一个单元格位于第1-3行，第二个单元格位于第4-6行，依此类推。由此，我计算了值的差异：

A <- matrix(sample(1:100, 4*12), ncol = 4)
B <- abs( A - dplyr::lag(A) )
B[seq(1,nrow(B), 3),] <- NA

这导致一个矩阵，其中每个单元格的第一行包含NA值：

       [,1] [,2] [,3] [,4]
[1,]    NA   NA   NA   NA
[2,]    82   29   54   22
[3,]    32   44   18   31
[4,]    NA   NA   NA   NA
[5,]    22   61   10   33
[6,]    19   64   54   35
[7,]    NA   NA   NA   NA
[8,]    59   18    6   10
[9,]    34   47   70    6
[10,]   NA   NA   NA   NA
[11,]   60   23   68   22
[12,]   17   13   12    9

结果矩阵包含每个单元格的这些值的聚合，在本例中是方差，然后如下所示：

       [,1]   [,2]  [,3]  [,4]
[1,]    1250  112.5 648   40.5
[2,]    4.5   4.5   968   2
[3,]    312.5 420.5 2048  8
[4,]    924.5 50    1568  84.5

如何在R中计算这个新矩阵？任何帮助都是非常感谢的。

Answer 1

因为你使用了一个没有种子的随机样本，所以我不能重新创建你的A矩阵。然而，这里是您的B矩阵的重新创建。

B <- matrix(scan(text="
NA   NA   NA   NA
82   29   54   22
32   44   18   31
NA   NA   NA   NA
22   61   10   33
19   64   54   35
NA   NA   NA   NA
59   18    6   10
34   47   70    6
NA   NA   NA   NA
60   23   68   22
17   13   12    9"), ncol=4, byrow=T)

如果你真的想要保持这个矩阵，你可以把它重新组合成一个多维数组，然后在边距上应用，得到感兴趣的值，例如

apply(array(B, dim=c(3,4,4)),2:3, var, na.rm=T)
#        [,1]  [,2] [,3] [,4]
# [1,] 1250.0 112.5  648 40.5
# [2,]    4.5   4.5  968  2.0
# [3,]  312.5 420.5 2048  8.0
# [4,]  924.5  50.0 1568 84.5

您还可以创建一个适当的分组变量并使用aggregate()

row_sample <- rep(1:3, each=nrow(B)/3)
aggregate(B, list(row_sample), var, na.rm=T)
#   Group.1        V1       V2        V3        V4
# 1       1 1250.0000 112.5000  648.0000  40.50000
# 2       2  496.3333 662.3333  709.3333 193.00000
# 3       3  469.0000 305.3333 1084.0000  72.33333