如何从具有 3 列的数据框在 R 中创建数组？

Question

我目前有一个包含三列的 dataframe，如下所示：

单核苷酸多态性	动物ID	等位基因频率
ARS-BFGL-BAC-10172	1	0.0
ARS-BFGL-BAC-1020	2	0.5
ARS-BFGL-BAC-10345	3	1.0
ARS-BFGL-BAC-10591	4	0.5
等等...	等等...	等等...

对于每只动物，我有大约 777,000 个 SNP 及其相应的等位基因频率。 （准确地说，我对 52 只动物有 777,962 个 SNP，总共 40,454,024 次观察）。

基本上我需要创建一个包含这些数据的数组，以便我的行是 SNP，列是等位基因频率，数组的第三维是动物 ID。 所以总的来说，我需要我的尺寸是[777962 1 52]。 但是，对于我的生活，我无法弄清楚如何制作这个数组。 我已经尝试了 array 命令和 abind 命令，以及其他一些出于绝望的事情，但我没有任何运气。

这是一个比我更了解R的朋友最初向我建议的代码：

array = abind(df, along = 3)

但这给了我一个具有这些维度的数组： [40454024 2 1] 这是不对的。

以下是我尝试过的其他一些无效的方法：

array = array(data = df$`SNPname`, df$AlleleFrequency, df$`AnimalID`)
array = abind(data = df$`SNPname`, df$AlleleFrequency, df$`AnimalID`)
array = array(c(df$`SNPname`, df$AlleleFrequency), dim =c(df$`SNPname`, df$AlleleFrequency, df$`AnimalID`))

如果有人能帮助我指出正确的方向，我将永远感激不尽。 提前致谢！！

Answer 1

如果您的意思是您需要一个以三列为维度的 3d 数组，这意味着每个单元格/值都是一个计数。 为此，请使用xtabs （或table ）：

xtabs(~SNPname + AlleleFrequency + AnimalID, data = dat)
# , , AnimalID = 1
#                     AlleleFrequency
# SNPname              0 0.5 1
#   ARS-BFGL-BAC-10172 1   0 0
#   ARS-BFGL-BAC-1020  0   0 0
#   ARS-BFGL-BAC-10345 0   0 0
#   ARS-BFGL-BAC-10591 0   0 0
# , , AnimalID = 2
#                     AlleleFrequency
# SNPname              0 0.5 1
#   ARS-BFGL-BAC-10172 0   0 0
#   ARS-BFGL-BAC-1020  0   1 0
#   ARS-BFGL-BAC-10345 0   0 0
#   ARS-BFGL-BAC-10591 0   0 0
# , , AnimalID = 3
#                     AlleleFrequency
# SNPname              0 0.5 1
#   ARS-BFGL-BAC-10172 0   0 0
#   ARS-BFGL-BAC-1020  0   0 0
#   ARS-BFGL-BAC-10345 0   0 1
#   ARS-BFGL-BAC-10591 0   0 0
# , , AnimalID = 4
#                     AlleleFrequency
# SNPname              0 0.5 1
#   ARS-BFGL-BAC-10172 0   0 0
#   ARS-BFGL-BAC-1020  0   0 0
#   ARS-BFGL-BAC-10345 0   0 0
#   ARS-BFGL-BAC-10591 0   1 0

如果您的意思是您需要频率是每个单元格中的值而不是计数，那么虽然您可以为其创建一个 3d 数组，但它永远不会有超过 2d 的数据。 一种方法是使用tidyr::pivot_wider ：

tidyr::pivot_wider(dat, "SNPname", names_from = "AnimalID", values_from = "AlleleFrequency")
# # A tibble: 4 x 5
#   SNPname              `1`   `2`   `3`   `4`
#   <chr>              <dbl> <dbl> <dbl> <dbl>
# 1 ARS-BFGL-BAC-10172     0  NA      NA  NA  
# 2 ARS-BFGL-BAC-1020     NA   0.5    NA  NA  
# 3 ARS-BFGL-BAC-10345    NA  NA       1  NA  
# 4 ARS-BFGL-BAC-10591    NA  NA      NA   0.5

---

数据

dat <- structure(list(SNPname = c("ARS-BFGL-BAC-10172", "ARS-BFGL-BAC-1020", "ARS-BFGL-BAC-10345", "ARS-BFGL-BAC-10591"), AnimalID = 1:4,     AlleleFrequency = c(0, 0.5, 1, 0.5)), class = "data.frame", row.names = c(NA, -4L))