Разделите столбцы, свяжите dfs и сохраните большинство повторяющихся значений - PullRequest
Новая
       5

Разделите столбцы, свяжите dfs и сохраните большинство повторяющихся значений

0 голосов
/ 24 мая 2018

У меня есть df, похожее на это: 

> df

Names   Symbol  GeneID  Description    Paths                Colors
IL-1    CP1     3553    Receptor       Path1|Path2|Path5    Green|Blue|Pink
IL-6    CFT5    3569    Receptor       Path3|Path1|Path2    Red|Green|Blue
TNF     DFR4    7124    Receptor       Path4|Path3|Path1    Yellow|Red|Green
CCL2    FGTZ    6347    Receptor       Path4|Path5|Path2    Yellow|Pink|Blue
IL-1    SED     3552    Receptor       Path6|Path5|Path3    Purple|Pink|Red
PAI1    SWA     5054    Receptor       Path1                Green 
IL-12   SSS     3593    Receptor       Path1|Path2          Green|Blue 
IL-8    SDE     3576    Receptor       Path1|Path3|Path5    Green|Red|Pink
CTGF    SDFR    1490    Receptor       Path4|Path5|Path1    Yellow|Pink|Green
TGF     FDGT    7046    Receptor       Path5|Path3          Pink|Red

И я хочу разделить cols с именами Paths и Colors, а затем посчитать, сколько раз каждый Path#появляется в столбце с именем Paths.Таким образом, я могу получить df, как показано ниже, где Path1 появляется 7 раз и его соответствующий цвет - Green.Path5 появляется 5 раз, поэтому отображается на втором месте с соответствующим цветом (pink) и т. Д. 

> df2
Paths Colors
Path1 Green
Path5 Pink
Path3 Red
Path2 Blue
Path4 Yellow
Path6 Purple

Я пытался сделать это с помощью этого кода: 

Paths <- data.frame(do.call('rbind', strsplit(as.character(df$paths), '|', fixed = TRUE)))
df2 <- table(unlist(Paths))
df2 <- data.frame(sort(df2, decreasing = T))

Но это работает только с одной строкой и не разделяет и не разделяет столбцы Paths и Colors вместе.

Есть предложения?Предпочтительно с использованием base R

Ответы [ 2 ]

0 голосов
/ 25 мая 2018

В base R ответ: 

## This part of the script is to separate the Paths and Colors columns
Paths <- data.frame(do.call('rbind', strsplit(as.character(df$Paths), '|', fixed = TRUE)))
Colors <- data.frame(do.call('rbind', strsplit(as.character(df$Colors), '|', fixed = TRUE)))

## Here Paths and Colors are pasted together and separated by underscore
Pathways = data.frame(matrix(NA, ncol = ncol(Paths), nrow = nrow(Colors)))

for (i in 1:ncol(Paths)){
  Pathways[,i] = paste(Paths[,i], Colors[,i], sep = " ")
}

## Then, the number of times that each Path appears is counted.
occurrences <- table(unlist(Pathways))
occurrences <- data.frame(sort(occurrences, decreasing = T))
occurrences
0 голосов
/ 25 мая 2018

Ваш вопрос состоит из двух частей.Сначала нам нужно преобразовать данные в аккуратный формат: по одной строке на путь с соответствующим цветом. 

df %>% tidyr::separate_rows(Paths, Colors, sep = "\\|") 

    Names Symbol GeneID Description Paths Colors
1   IL-1    CP1   3553    Receptor Path1  Green
2   IL-1    CP1   3553    Receptor Path2   Blue
3   IL-1    CP1   3553    Receptor Path5   Pink
...

Теперь нам нужно посчитать самые популярные пути: 

counts <- df %>% count(Paths) %>% arrange(desc(n))

# A tibble: 6 x 2
  Paths     n
  <chr> <int>
1 Path1     7
2 Path5     6
3 Path3     5
4 Path2     4
5 Path4     3
6 Path6     1

Наконецмы можем объединить соответствующие цвета и удалить столбец n.Вот один из способов. 

counts %>% inner_join(df) %>% distinct(Paths, Colors)

Joining, by = "Paths"
# A tibble: 6 x 2
  Paths Colors
  <chr> <chr> 
1 Path1 Green 
2 Path5 Pink  
3 Path3 Red   
4 Path2 Blue  
5 Path4 Yellow
6 Path6 Purple
...