使用summarize()访问其他group_by组

Question

我有一个数据框，里面有列基因，它们所属的染色体区域，测量基因表达的细胞系，以及基因在该细胞系中的表达水平--它看起来基本上是这样的：

gene    region    cell_line    expression
A       X         Joe          1
B       X         Joe          2 
C       Y         Joe          2
D       Z         Joe          3
E       Z         Joe          0
A       X         Claire       2
B       X         Claire       1
C       Y         Claire       3
D       Z         Claire       3
E       Z         Claire       1

我想要做的是，对于每个细胞系，计算所有不在给定区域的基因的染色体区域的平均值，标准差，等等。例如，对于Joe的区域X，我希望输出"summarize()“行显示不在Joe的X中的所有基因(即Joe的基因C、D、E)的表达式的平均值。

因此，输出如下所示：

region    cell_line     mean_other    standard_deviation_other   
X         Joe           1.67          some number
Y         Joe           1.5           some number
Z         Joe           1.67          some number
X         Claire        2.33          some number
Y         Claire        2.33          some number
Z         Claire        2             some number

我的想法是执行以下操作，除非我不知道如何让汇总在给定时间“操作”一个组之外的组。

df %>% group_by(region, cell_line) %>% 
 summarize(mean_other = mean(expression of cell lines not in this group),
           standard_deviation_other = var(expression of cell lines not in this group)

Answer 1

我们可以使用新的dplyr::group_modify()轻松地跨组应用函数，它将每个组作为一个数据帧。然后，我们可以在原始数据框上使用dplyr::anti_join()，并在摘要中应用您想要的任何内容。

使用mtcars

library(dplyr)

mtcars %>%
  group_by(cyl) %>%
  group_modify(~anti_join(mtcars, .) %>%
                 summarize(disp_m = mean(disp),
                           disp_sd = sd(disp)))
#> # A tibble: 3 x 3
#> # Groups:   cyl [3]
#>     cyl disp_m disp_sd
#>   <dbl>  <dbl>   <dbl>
#> 1     4   297.   101. 
#> 2     6   244.   136. 
#> 3     8   136.    50.7

并使用cyl == 4检查第一组

mtcars %>%
  filter(cyl != 4) %>%
  summarize(disp_m = mean(disp),
            disp_sd = sd(disp))
#>     disp_m  disp_sd
#> 1 296.5048 101.1434

在你的df上，它应该是这样的：

df %>%
  group_by(region, cell_line) %>%
  group_modify(~anti_join(df, .) %>%
               summarize(mean_other = mean(expression),
                         sd_other = var(expression)))