[英]Create a table (matrix) of counts in r
我正在嘗試從一系列已轉換為數據框的列表中開發一個表。 每個列表由字符串及其計數組成。 每個字符串在7到20(或更多)之間變化。 每個列表都有一個標頭,用於標識字符串的來源。 我有66個列表(來源)。 每個列表包含5,000多個字符串。 並非每個列表中都包含每個字符串,因此列表中的字符串數會有所不同。 這是單個列表結構的示例。
$PreAg_18_2
CDR3.aa Clones
<chr> <int>
CASSYGTAYTGELFF 1623
CASSRGDSDNSPLHF 1440
CASSREKAFF 1161
CSGMGALAKNIQYF 949
CSAYTGLSYEQYF 813
CASSLSLAVNSPLHF 634
CAIRDTPGSPQHF 574
CATGQVNTEAFF 555
CASSLKGQGGSPLHF 499
CASSYSRSPQPQHF 478
我想將結果合並到一個表中,該表顯示計數(克隆)以及y軸上列出的所有字符串(CDR3.aa)和x軸上的每個列表標頭(Sample.Id)。 一個例子是:
10_pep_10_1 preAg_10_2 Dec_2_18_1 …...
CASSYGTAYTGELFF 1623 234 0
CASSRGDSDNSPLHF 1440 522 28
CASSREKAFF 1161 445 50
CSGMGALAKNIQYF 949 24 0
CASSYSRSPQPQHF 478 0 398
.
.
我能夠生成包含示例中的的單個列表,並且我認為將列表轉換為數據框是一種更好的操作它們的方法,但是在將它們與單個列表合並時遇到了麻煩所有字符串,然后將sample.id移至x軸。 我在想我取消列出所有字符串並將它們連接到一個df中,但是我不確定如何使計數與字符串匹配。 R中是否有功能可以幫助我做到這一點? 還是不可避免地要形成循環?
到目前為止,我已經能夠生成字符串的全局列表,但是現在我需要按標頭(sample.id)匹配計數。 不知道如何解決這個問題。
library(immunarch)
library(stringr)
library(plyr)
immdata = repLoad("/mnt/data/Development/Analysis_Script/input_files/")
all <- immdata$data
# Get list headers (names)
sample.id <- names(all)
# make new variable for extraction of clones
all.c <- all
# Get list of clones and filter for unique clones per list.
for (i in 1:length(all.c)){
all.c[[i]]$Sample.ID<-names(all.c)[i]
all.c[[i]]<-all.c[[i]][,c("CDR3.aa", "Clones")]
}
# bysamp is a list (vector) of the samples and their clones
bysamp <- split(all.c, sample.id, sep=" ")
# make vector of all clones
all.clones <- unlist(all.c, use.names=FALSE)
# a list of the aggregate of all the clones in all the samples.
all.clones
# Removes clone repeats
all.clones.u <- unique(all.clones)
# convert list of clones and sample.ids to data frame
all.clones.u <- data.frame(all.clones.u)
sample.id <- data.frame(sample.id)
# Addtional code here:
有關預期矩陣,請參見上面的摘要(表)
這是根據我對數據結構的最佳猜測得出的解決方案(聽起來很熟悉,因為我被免疫學家包圍)。 關鍵是向每個源添加一個變量,以跟蹤該源。 然后,可以將源(列表/數據框架)組合為單個數據框架並進行進一步處理。
首先,為可重現的示例設置一個隨機數種子。
set.seed(1234)
創建簡化的人工數據集。 這將包含6個來源(list / data.frames)。 每個data.frame具有兩個名為aa
和clones
變量。 從A,B和C中隨機選擇的三個字母分別作為12個可能的aa
值中的CDR3氨基酸。 每個克隆的計數存儲在clones
,並設置為10到20之間的隨機數。最后,為6個list / data.frames中的每一個命名。 我使用的是source_1,source_2等,而不是“ 10_pep_10_1”。
希望這可以復制您面對的數據。 通過僅使用3種可能的氨基酸,此示例可確保同一序列在不同列表中多次出現的可能性很高。
# generate sample data
spl <- replicate(6, { # the braces '{}' define an expression to be repeated
n <- 12 # number of aa values in each list
aa <- replicate(n,
paste(sample(LETTERS[1:3], 3, replace = T), collapse = ""))
clones <- sample(10:20, n, replace = T)
data.frame(aa, clones)}, # this is the 'return' value of the expression
simplify = FALSE) # this ensures that the result remains as a list
# name each list
names(spl) <- paste("source", seq_along(spl), sep = "_")
檢查6個data.frame中的第一個。
head(spl$source_1)
> aa clones
> 1 ABB 12
> 2 BCB 12
> 3 AAB 20
> 4 BCB 18
> 5 ACA 16
> 6 CAA 17
向每個包含源名稱的list / data.frame中添加一個名為source
的新變量。 使用簡單的for
循環即可輕松完成此操作。 在第一個data.frame中顯示更改。
for (i in seq_along(spl)) spl[[i]]$source <- names(spl)[i]
head(spl$source_1) # or head(spl[[1]])
> aa clones source
> 1 ABB 12 source_1
> 2 BCB 12 source_1
> 3 AAB 20 source_1
> 4 BCB 18 source_1
> 5 ACA 16 source_1
> 6 CAA 17 source_1
現在,將每個list / data.frame組合到一個data.frame中,變量source
跟蹤哪個list / data.frame貢獻了值。 然后使用基本函數計算每個肽段( aa
)和source
的數量( clones
)。 存儲在res
的結果是另一個data.frame。 由此將生成一個列聯計數表。 通常,這被合並為一個步驟。 有關更多信息,請參見help aggregate()
文件。 此類數據整理的一種流行方法是使用dplyr
軟件包。
dat <- do.call(rbind, spl)
res <- aggregate(clones ~ aa + source, dat, sum)
tbl <- xtabs(clones ~ aa + source, res)
# this operation is rather common and often is done in one line:
tbl <- xtabs(clones ~ ., aggregate(clones ~ ., dat, sum))
head(tbl, 10)
> source
> aa source_1 source_2 source_3 source_4 source_5 source_6
> AAA 29 0 46 0 0 14
> AAB 20 0 0 0 0 0
> ABB 12 14 13 0 0 0
> ACA 16 23 16 0 0 0
> ACB 13 19 15 0 0 0
> BAA 17 0 0 55 16 33
> BAC 15 19 19 0 34 0
> BCB 30 0 0 68 38 15
> CAA 17 11 0 0 0 0
> CCA 15 0 0 0 0 0
表中條目的順序很簡單,即rbind
期間繼承的順序。 可以通過重新組織表格來改變它。 在此,對行進行排序。
ord <- order(rownames(tbl))
head(tbl[ord,], 10)
> source
> aa source_1 source_2 source_3 source_4 source_5 source_6
> AAA 29 0 46 0 0 14
> AAB 20 0 0 0 0 0
> AAC 0 19 19 0 0 31
> ABA 0 11 0 0 15 18
> ABB 12 14 13 0 0 0
> ACA 16 23 16 0 0 0
> ACB 13 19 15 0 0 0
> ACC 0 11 16 0 15 0
> BAA 17 0 0 55 16 33
> BAB 0 15 0 0 0 0
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.