Условные вхождения указанных c строк и относительно создания нового фрейма данных с использованием R - PullRequest
Новая
       14

Условные вхождения указанных c строк и относительно создания нового фрейма данных с использованием R

1 голос
/ 28 января 2020

У меня большой фрейм данных с 4 столбцами и множеством строк (пример прилагается). 

#what I have
Arm <- c("5prime","3prime","5prime","CoMature","3prime","5prime","3prime","3prime")
Family <- c("LET-7","LET-7","LET-7","MIR-10","MIR-103","MIR-124","MIR-124","MIR-124")
Sequence <- c("ATCGGCA","ATGCTAC","ATCGGCA","ATCGTTT","TGAGGAG","TGATCAG","AATTCAG","AATTCAG")
Star_seq <- c("TTCAGGT","TATACTG","TTCAGGT","GAGATCA","CAAAAGC","CACATGC","AATATGC","AATATGC")
my_data_frame <- data.frame(Arm,Family,Sequence,Star_seq)

В основном я хочу, чтобы для каждого i в столбце Family было подсчитано количество вхождений '5prime', '3prime' или 'CoMature' в столбце Arm. А затем для наиболее частого (5prime, 3prime или CoMature) выберите третий и четвертый столбец. Подводя итог, мне нужно иметь окончательный файл, который показывает наиболее частые руки (в первом ряду) для каждого i в столбце Family и их относительные последовательности в третьем и четвертом столбцах. 

#what I want as output
five_prime_counts <- c("2","0","0","1")
three_prime_counts <- c("1","0","1","2")
CoMature_counts <- c("0","1","0","0")
Arm_new <- c("5prime","CoMature","3prime","3prime")
Family_new <- c("LET-7","MIR-10","MIR-103","MIR-124")
Sequence_new <- c("ATCGGCA","ATCGTTT","TGAGGAG","AATTCAG")
Star_seq_new <- c("TTCAGGT","GAGATCA","CAAAAGC","AATATGC")
my_data_frame_new <- data.frame(five_prime_counts,three_prime_counts,CoMature_counts,Arm_new,Family_new,Sequence_new,Star_seq_new)

1 Ответ

0 голосов
/ 28 января 2020

Мы можем добавить переменную count для каждого Family и Arm, получить соответствующие значения Sequence, Star_seq и Arm для максимального количества в каждом Family и получить данные в широком формате. 

library(dplyr)

my_data_frame %>%
  add_count(Family, Arm) %>%
  group_by(Family) %>%
  mutate(Sequence = Sequence[which.max(n)], 
         Star_seq =  Star_seq[which.max(n)], 
         Arm_new = Arm[which.max(n)]) %>%
  distinct() %>%
  tidyr::pivot_wider(names_from = Arm, values_from = n, values_fill = list(n = 0))

#  Family  Sequence Star_seq Arm_new  `5prime` `3prime` CoMature
#  <fct>   <fct>    <fct>    <fct>       <int>    <int>    <int>
#1 LET-7   ATCGGCA  TTCAGGT  5prime          2        1        0
#2 MIR-10  ATCGTTT  GAGATCA  CoMature        0        0        1
#3 MIR-103 TGAGGAG  CAAAAGC  3prime          0        1        0
#4 MIR-124 AATTCAG  AATATGC  3prime          1        2        0
...