问题描述
ID | X | Y | A_1_l | A_2_m | B_1_n | B_2_l | C_1_m | C_2_n | C_3_l |
---|---|---|---|---|---|---|---|---|---|
w | X | 是 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
x | X | 是 | 0 | 0 | 3 | 0 | 0 | 0 | 0 |
y | X | 是 | 0 | 1 | 0 | 4 | 0 | 1 | 0 |
z | X | 是 | 3 | 4 | 5 | 6 | 2 | 1 | 5 |
第一个字母表示样本,数字表示重复,第二个字母表示批次。我正在尝试为每个 ID 找到至少一个值 > 0 的样本数量,并将这些数字存储在列表中。
这是我可以附加到现有数据帧的列表的期望结果:
0,1,3,3
在之前的分析中,我使用 strsplit
来计算每批的样本总数。
colsList <- colnames(df)
cols <- grep("_",colsList,value=TRUE)
splitList <- strsplit(cols,"_\\d_")
stats <-data.frame(t(as.data.frame.list(splitList)))
rownames(stats)<-NULL
names(stats)<-c("Sample","Batch")
perSample <- aggregate(Sample ~ Batch,stats,function(x) length(unique(x))) # number of strains
并且我能够使用 rowSums(df[sapply(df,is.numeric)] > 0)
找到值 > 0 的列总数,但我似乎无法弄清楚如何将两者结合起来以找到 > 0 的样本总数
解决方法
首先过滤数据,只保留数字列。
使用 split.default
将数据分组,以便您将所有 'A'
列归为一组,'B'
归为另一组,依此类推。在每个组内返回 TRUE
如果一行有一个大于 0 的值,sum
将所有组中的所有值放在一起以获得最终计数。
tmp <- Filter(is.numeric,df)
rowSums(sapply(split.default(tmp,sub('_.*','',names(tmp))),function(x) rowSums(x) > 0))
#[1] 0 1 3 3
,
我们可以在 tidyverse
library(dplyr)
library(stringr)
library(tidyr)
df1 %>%
select(ID,where(is.numeric)) %>%
pivot_longer(cols = -ID) %>%
mutate(name = str_remove(name,"_.*")) %>%
group_by(ID,name) %>%
summarise(value = sum(value > 0),.groups = 'drop_last') %>%
summarise(value = sum(value > 0))
# A tibble: 4 x 2
ID value
<chr> <int>
1 w 0
2 x 1
3 y 3
4 z 3
数据
df1 <- structure(list(ID = c("w","x","y","z"),X = c("X","X","X"),Y = c("Y","Y","Y"),A_1_l = c(0L,0L,3L),A_2_m = c(0L,1L,4L),B_1_n = c(0L,3L,5L),B_2_l = c(0L,4L,6L),C_1_m = c(0L,2L),C_2_n = c(0L,1L),C_3_l = c(0L,5L)),class = "data.frame",row.names = c(NA,-4L))