在 R 中重新編碼分類變量並重塑數據框

Question

我有一個包含許多人的等位基因數據的數據框。 2 列中列出的基因有多個 (>20) 個獨特的等位基因。 我想將存在 1 個獨特等位基因的副本計為 1，將 2 個副本計為 2，將不存在計為 0。此外，每個人的每個獨特等位基因計數都應在單獨的列中。

我目前的 df 是

   ID   allele_1  allele_2 
   01   A01       A02
   02   A01       A07
   03   A08       A03
   04   A103      A01
   05   A09       A08
   06   A02       A02
   07   A08       A08 

我希望我的 df 看起來像這樣；

   ID   A01  A02  A07  A08  A03 A103 A09  
   01   1    1    0    0    0   0    0 
   02   1    0    1    0    0   0    0
   03   0    0    0    1    1   0    0
   04   1    0    0    0    0   1    0
   05   0    0    0    1    0   0    1
   06   0    2    0    0    0   0    0
   07   0    0    0    2    0   0    0    

Answer 1

我們可以轉換為“長”格式，獲取“計數”，然后重新整形為“寬”

library(dplyr)
library(tidyr)
df1 %>%
     pivot_longer(cols = -ID) %>%
     count(ID, value) %>% 
     pivot_wider(names_from = value, values_from = n, values_fill = list(n = 0))
# A tibble: 7 x 8
#     ID   A01   A02   A07   A03   A08  A103   A09
#  <int> <int> <int> <int> <int> <int> <int> <int>
#1     1     1     1     0     0     0     0     0
#2     2     1     0     1     0     0     0     0
#3     3     0     0     0     1     1     0     0
#4     4     1     0     0     0     0     1     0
#5     5     0     0     0     0     1     0     1
#6     6     0     2     0     0     0     0     0
#7     7     0     0     0     0     2     0     0

---

或從base R table

table(rep(df1$ID, 2), unlist(df1[-1]))

---

或者從reshape2 recast

library(reshape2)
recast(df1, id.var = 'ID', ID ~ value, length)

數據

df1 <- structure(list(ID = 1:7, allele_1 = c("A01", "A01", "A08", "A103", 
"A09", "A02", "A08"), allele_2 = c("A02", "A07", "A03", "A01", 
"A08", "A02", "A08")), class = "data.frame", row.names = c(NA, 
-7L))