根据两个因素的独特组合将数据插入数据框

Question

我有一个数据框，其第一列是样本ID号，然后是井位，如下所示：

>df[1:12,1:10]

S    W   V3   V4  
SID1 A01 <NA> <NA>
SID2 A02 <NA> <NA>
SID3 A03 <NA> <NA>
SID4 A01 <NA> <NA>
SID5 A02 <NA> <NA>
SID5 A03 <NA> <NA>

S和W列的组合是唯一的，并且必须保持不变，因为某些样品具有重复测量的功能，但是出于下游分析的原因（不在R中），不能像往常一样将其放在同一行中。

我希望根据这两列的唯一组合将数据插入数据框。

我试图插入的数据来自另一个数据框，如下所示：

>results[1:12, 1:4]

SampleID   Value    Assay           Well
SID1       0       V3       A01
SID1       0       V4       A01
SID2       1       V3       A02
SID2       2       V4       A02
SID3       0       V3       A03
SID3       1       V4       A03
SID4       0       V3       A01
SID4       0       V4       A01
SID5       1       V3       A02
SID5       2       V4       A02
SID6       0       V3       A03
SID6       1       V4       A03

所以目前我正在循环遍历列（V3和V4，实际数据集中大约有1000列）并插入每列的数据，一次一个，基于样本ID，井位和分析的独特组合。 这很慢。 我希望通过基于样本id和井插入V3的所有值来将其向量化以使其更快。

我试过了

for(i in levels(result$Assay))
{
  df$V3[(df$V1 %in% results$SampleID)&(df$V2 %in% results$Well] 
  = results$Value[results$Assay==i]
}

这对我不起作用。 我想是因为我这方面有些愚蠢！
有任何想法吗？

编辑：
实际上，Ben的解决方案几乎奏效了。 Everythings起初很好，但因为Assays分布在n个文件上，并且当合并尝试将两个dfs连接到测试时，样本分散在y文件上，它已经合并到df中，它添加了一个新列并附加了一个“.1”到最后。

正是您所期望的合并。 我没有解释我的数据来自单独文件的错。

为了显示：

我有16个文件。 共有1536个样本分布在4个文件中，每个384个。 有160个单独的测定，分布在4个测定束中。 为每个样品运行每个测定，我最终得到16个文件。

因此，如果我可以合并，如果当前测定的色谱柱已经存在，则不添加新色谱柱，这将是完美的。

欢迎所有建议，
抱歉在解释我的数据时被废话！

干杯
戴维

Answer 1

假设您在矢量datafiles文件中有文件名，文件1-4是样本1-384的所有分析的数据，样本385-768的所有分析的5-8，等等，并且您想要最终得到一个1536行乘162列的数据框。

library(reshape)
## read all files into a list of data frames:
alldata <- lapply(datafiles,read.table)

分成四个块：

splitdata <- split(alldata,rep(1:4,each=4))

一个函数，用于获取n数据集的列表，每个数据集包含来自k个体的m测定（即每个数据是k*m行×4列： SampleID ， Well ， Assay ， Value ）并将它们组合成单个数据集，即k行长为n*m+2列：

mergefun <- function(X) {
    cdata <- lapply(X,
                   cast,
                   formula=SampleID+Well~Assay,
                   value="Value")
     ## produces data sets of the form
     ##   SampleID Well V3 V4
     ## 1     SID1  A01  0  0
     ## 2     SID2  A02  1  2
     ##  ...
     Reduce(cdata,merge)
}

现在将其应用于每个块：

merged_data <- lapply(splitdata,mergefun)

现在组合块：

final <- do.call(rbind,merged_data)

我不确定这会有效，但可能会有效。 如果第一次尝试不起作用，你应该把它们分开并检查它们分开做什么 - 我可能已经搞砸了。