[英]R: find number of columns > 0 per row for a group of column names with a partial string match
我有一个类似于以下内容的数据框:
ID | X | 是 | A_1_l | A_2_m | B_1_n | B_2_l | C_1_m | C_2_n | C_3_l |
---|---|---|---|---|---|---|---|---|---|
瓦 | X | 是 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
X | X | 是 | 0 | 0 | 3 | 0 | 0 | 0 | 0 |
是 | X | 是 | 0 | 1 | 0 | 4 | 0 | 1 | 0 |
z | X | 是 | 3 | 4 | 5 | 6 | 2 | 1 | 5 |
第一个字母表示样品,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,并将这些数字存储在列表中。
这是作为我可以附加到现有数据帧的列表所需的结果:
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
我能够使用rowSums(df[sapply(df, is.numeric)] > 0)
找到值 > 0 的列总数rowSums(df[sapply(df, is.numeric)] > 0)
但我似乎无法弄清楚如何将两者结合起来找到总数样本数 > 0
首先过滤数据以仅保留数字列。
使用split.default
将数据分组,以便您将所有'A'
列放在一组中, 'B'
放在另一组中,依此类推。 在每一组返回TRUE
如果一个行都有一个值,该值大于0, sum
从所有组中的所有值加在一起得到最终计数。
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
做到这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
df1 <- structure(list(ID = c("w", "x", "y", "z"), X = c("X", "X", "X",
"X"), Y = c("Y", "Y", "Y", "Y"), A_1_l = c(0L, 0L, 0L, 3L), A_2_m = c(0L,
0L, 1L, 4L), B_1_n = c(0L, 3L, 0L, 5L), B_2_l = c(0L, 0L, 4L,
6L), C_1_m = c(0L, 0L, 0L, 2L), C_2_n = c(0L, 0L, 1L, 1L), C_3_l = c(0L,
0L, 0L, 5L)), class = "data.frame", row.names = c(NA, -4L))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.