使用apply()操作多列

Question

我有一个跨标签的频率表，其中的测量是CAG，列A01，A02等是频率计数。即13CAG 6485项，CAG 14项35项。

我试着：

1. 将A01、A02等中的所有值设置为该列中最高值的<0.2 (即不包括那些未达到20%阈值的值)。
2. 通过将列中的每个值除以该列中所有值的总和来规范A01、A02等中的每个值。这将为列中的每一行提供介于0-1之间的值。
3. 将A01、A02等中的每个值乘以CAG的变化。CAG中的变化是CAG列中减去模态CAG值的值。
4. 然后，我需要对每一列中的所有值进行求和。

我在这里尝试过，但不幸的是，我不知道如何取得更大的进步。会很感激你的帮助！

data <- data.frame(CAG = c(13, 14, 15, 17), 
               A01 = c(6485,35,132, 12), 
               A02 = c(0,42,56, 4))
iithreshold <- 0.2

ii <- lapply(data[, 8:ncol(height)], function(x) {
  mod <- data$CAG[which.max(x)]
  x < (iithreshold * max(x)) <- 0
  ii2 <- (x / sum (x)) * (height$CAG - mod)
})

ii3 <- sum(ii2)

ii3 <- as.data.frame(ii3)
ii3 <- t(ii3)

好消息！我现在让它发挥作用，并给出正确的结果。非常感谢！我肯定是在什么地方打错字了。我只是从头开始。这是工作代码：

library(data.table) 
dataDT <- data.frame(height[,7:ncol(height)])
dataDT <- setDT(dataDT)
iithreshold <- 0.2

colsToBeUsed<-names(dataDT[,!'CAG'])
sumDataSetdata<-c()
iiht<-unlist(lapply(X=1:length(colsToBeUsed),function(X){s=colsToBeUsed[X]
eval(parse(text=paste0('dataDT[',s,'<iithreshold*max(',s,'),',s,':=0]'))) 
eval(parse(text=paste0('dataDT[,MAX',s,':=dataDT[',s,'==max(',s,'),CAG]]')))
eval(parse(text=paste0('dataDT[,norm',s,':=',s,'/sum(',s,')]')))
eval(parse(text=paste0('dataDT[,sum',s,':=',s,'/sum(',s,')*(CAG-MAX',s,'),]')))
eval(parse(text=paste0('rbind(sumDataSetdata,dataDT[,sum(sum',s,')])')))
}))

我一直在尝试理解您的每个功能行是做什么的，但我仍然不确定。对于我的教育，我不认为你能让我知道每个人都在做什么？再次感谢您！

Answer 1

嗨，虽然这是可能的，但我不会使用基R进行数据操作。为此，我将使用data.table或dplyr包。

我必须指出，这不是唯一的方法，数据表的开销必须考虑在内，然后在上述两个包之间作出决定。

因为您有n数量的列，所以我认为.SD和.SDcols的使用在data.table术语中是需要的。例如，假设有A01到A0n列。然后你就可以拥有：

colsToBeUsed=names(data[,!('CAG')])  

data[ , lapply(.SD, {your formula as a function}), .SDCols=c(colsToBeUsed)]

无论如何，在基本的R中，lapply比for循环更快，这就是为什么我建议使用lapply。

在收到关于编写代码的方法的评论之后，我提供了两个选项:第一个是for循环：

library(data.table)
dataDT<- data.frame(CAG = c(13, 14, 15, 17), 
                   A01 = c(6485,35,132, 12), 
                   A02 = c(0,42,56, 4))
thres <- 0.2
dataDT<-setDT(dataDT)
colsToBeUsed<-names(dataDT[,!'CAG'])
sumDataSetdata<-c()  


for(X in colsToBeUsed){
  eval(parse(text=paste0("dataDT[",X,"<thres*max(",X,"),",X,":=0]")))
  eval(parse(text=paste0("dataDT[,MAX",X,":=dataDT[",X,"==max(",X,"),CAG]]")))
  eval(parse(text=paste0("dataDT[,norm",X,":=",X,"/sum(",X,")]")))
  eval(parse(text=paste0("dataDT[,sum",X,":=",X,"/sum(",X,")*(CAG-MAX",X,"),]")))
  eval(parse(text=paste0("sumDataSetdata<-rbind(sumDataSetdata,dataDT[,sum(sum",X,")])")))
  }

第二，适用于：

library(data.table)
dataDT<- data.frame(CAG = c(13, 14, 15, 17), 
                    A01 = c(6485,35,132, 12), 
                    A02 = c(0,42,56, 4))

thres <- 0.2
dataDT<-setDT(dataDT)

colsToBeUsed<-names(dataDT[,!'CAG'])
sumDataSetdata<-c()
sumDataSet<-unlist(lapply(X=1:length(colsToBeUsed),function(X){s=colsToBeUsed[X]
  eval(parse(text=paste0('dataDT[',s,'<thres*max(',s,'),',s,':=0]')))
  eval(parse(text=paste0('dataDT[,MAX',s,':=dataDT[',s,'==max(',s,'),CAG]]')))
  eval(parse(text=paste0('dataDT[,norm',s,':=',s,'/sum(',s,')]')))
  eval(parse(text=paste0('dataDT[,sum',s,':=',s,'/sum(',s,')*(CAG-MAX',s,'),]')))
  eval(parse(text=paste0('rbind(sumDataSetdata,dataDT[,sum(sum',s,')])')))
  }))