如何解决按 R 中的顺序数据分组 数据
我在 R 中有以下数据框:
gene_name gene_number
ENSMUSG00000000001 4732
ENSMUSG00000000001 4733
ENSMUSG00000000058 7603
ENSMUSG00000000058 7604
ENSMUSG00000000058 8246
ENSMUSG00000000058 8248
ENSMUSG00000000058 9001
数据按gene_name列分组,gene_number按其他参数排序(与问题无关)。 我想根据 gene_number 对数据进行分组。在每个组内,如果 gene_number 中的值不是连续/连续的,或者以下行之间的最大差异为 2,我想对数据进行子分组。 如果只有 1 个值没有序列值,我想删除它。
我想要一个指定新组的新列。
例如,在上面的数据中:
ENSMUSG00000000001 4732 1
ENSMUSG00000000001 4733 1
ENSMUSG00000000058 7603 2
ENSMUSG00000000058 7604 2
ENSMUSG00000000058 8246 3
ENSMUSG00000000058 8248 3
谢谢!
解决方法
这是一个 dplyr
选项 -
library(dplyr)
df %>%
group_by(gene_name) %>%
mutate(grp = gene_number - lag(gene_number,default = 0) > 2) %>%
group_by(grp = cumsum(grp)) %>%
filter(n() > 1) %>%
ungroup
# gene_name gene_number grp
# <chr> <int> <int>
#1 ENSMUSG00000000001 4732 1
#2 ENSMUSG00000000001 4733 1
#3 ENSMUSG00000000058 7603 2
#4 ENSMUSG00000000058 7604 2
#5 ENSMUSG00000000058 8246 3
#6 ENSMUSG00000000058 8248 3
对于每个 gene_name
,用前一个值减去当前的 gene_number
值,如果差值大于 2,则增加组计数。如果组中只有一行,则删除该行。
数据
df <- structure(list(gene_name = c("ENSMUSG00000000001","ENSMUSG00000000001","ENSMUSG00000000058","ENSMUSG00000000058"),gene_number = c(4732L,4733L,7603L,7604L,8246L,8248L,9001L)),class = "data.frame",row.names = c(NA,-7L))
,
使用 data.table
library(data.table)
setDT(df)[,grp := c(TRUE,diff(gene_number) > 2),gene_name][,grp := cumsum(grp)][,.SD[.N>1],grp]
grp gene_name gene_number
1: 1 ENSMUSG00000000001 4732
2: 1 ENSMUSG00000000001 4733
3: 2 ENSMUSG00000000058 7603
4: 2 ENSMUSG00000000058 7604
5: 3 ENSMUSG00000000058 8246
6: 3 ENSMUSG00000000058 8248
数据
df <- structure(list(gene_name = c("ENSMUSG00000000001",-7L))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。