[英]R: find number of columns > 0 per row for a group of column names with a partial string match
我有一個類似於以下內容的數據框:
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 |
第一個字母表示樣品,數字表示重復,第二個字母表示批次。 我正在嘗試為每個 ID 找到至少一個值 > 0 的樣本數,並將這些數字存儲在列表中。
這是作為我可以附加到現有數據幀的列表所需的結果:
0,1,3,3
在之前的分析中,我使用strsplit
來計算每批的樣本總數。
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
我能夠使用rowSums(df[sapply(df, is.numeric)] > 0)
找到值 > 0 的列總數rowSums(df[sapply(df, is.numeric)] > 0)
但我似乎無法弄清楚如何將兩者結合起來找到總數樣本數 > 0
首先過濾數據以僅保留數字列。
使用split.default
將數據分組,以便您將所有'A'
列放在一組中, 'B'
放在另一組中,依此類推。 在每一組返回TRUE
如果一個行都有一個值,該值大於0, sum
從所有組中的所有值加在一起得到最終計數。
tmp <- Filter(is.numeric, df)
rowSums(sapply(split.default(tmp, sub('_.*', '', names(tmp))),
function(x) rowSums(x) > 0))
#[1] 0 1 3 3
我們可以在tidyverse
做到這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))
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.