如何基于r中的数字变量的间隔将数据帧分为子组

Question

我有一个数据框（ df ），看起来像：

mi       chr    gen.pos
m4774   Ch01    0
m4775   Ch01    1.701
m4663   Ch01    5.519
m4777   Ch01    6.5
m4779   Ch01    11.067
m4780   Ch01    11.234
m3933   Ch01    11.449
m4782   Ch01    13.986
m5534   Ch01    119.277
m5536   Ch02    0.036
m5550   Ch02    4.26

将chr列作为组，首先，通过以下代码获取每个组的20个bin列gen.pos的间隔：

len <- as.data.frame(cbind(chr = unique(df$chr), 
  do.call(rbind, tapply(df$gen.pos, df$chr, function(x) {c(min = min(x), max = max(x))}))))
len$interval <- format(round((as.numeric(as.character(len$max))-as.numeric(as.character(len$min)))/20,3),nsmall=3)

所以len数据帧是：

chr     min     max     interval
Ch01    0       119.277 5.964
Ch02    0.036   134.249 6.711
Ch03    0.07    93.596  4.676
Ch04    0.392   134.342 6.698
Ch05    0.581   96.842  4.813
Ch06    0.008   131.802 6.59

我的任务是在df创建一个名为bin的列，为每个组的gen.pos每个间隔分配索引号。 例如，第一仓1被分配到0~5.964范围的gen.pos ， 2分配到5.965 ~ 11.928 （ 5.964*2=11.928 ）...最后的结果是这样的：

mi      chr   gen.pos   bin
m4774   Ch01    0       1
m4775   Ch01    1.701   1
m4663   Ch01    5.519   1
m4777   Ch01    6.5     2
m4779   Ch01    11.067  2
m4780   Ch01    11.234  2
m3933   Ch01    11.449  2
m4782   Ch01    13.986  3
m5534   Ch01    119.277 20
m5536   Ch02    0.036   1
m5550   Ch02    4.26    1

len数据帧的输出不是必需的。 它只是用来更清楚地描述我的问题。 感谢您的帮助。

Answer 1

len是重要的游标，因此为了清晰起见，我在这里重现

library(dplyr)
len <- df %>% 
         group_by(chr) %>%
         summarize(min=min(gen.pos), max=max(gen.pos), interval= (max-min)/20) 

假设bin宽度为b=interval ，则如果x=gen.pos与间隔的端点不一致，则它会落入ceiling((x-min)/b)个间隔。 所以

df %>% 
  group_by(chr) %>% 
  mutate(max   = max(gen.pos), 
         min   = min(gen.pos), 
         width = (max-min)/20, 
         bin1  = ceiling((gen.pos-min)/width),
         bin   = ifelse(gen.pos==min, bin1 + 1, bin1)
         ) 

会产生令人敬畏的dplyr所需的色谱柱。 （您可以使用select命令删除过时的列）