dplyr：值的分组减法（基于预过滤的行）

Question

我被困在（可能）非常明显的事情上，但我无法弄清楚实际问题是什么。

DF <- data.frame(Gene = c(rep("A",8), rep("X",8)),
             Genotype = c(rep("WT",4),rep("mut",4),rep("WT",4),rep("mut",4)),
             TimePoint = c(1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4),
             Value = c(12.5,12.33,11,10,23.22,22,21.2,45.3,22,12,23,21.2,23.2,45.3,21,22))

我想做什么： 从组内的所有值中减去对应于 TimePoint == 1 的值（这里：Group = Gene, Genotype）。

我希望在此处显示此代码的结果：

DF %>% group_by(Gene, Genotype) %>% mutate(Diff = Value - first(Value))

但是，我会根据给定的 TimePoint 选择值，而不是第一个函数，该 TimePoint 不一定必须是每个组中的第一个。

我的想法是做这样的事情，但实际上它并没有像预期的那样使用分组数据：

DF %>% group_by(Gene, Genotype) %>% mutate(Diff = Value - filter(.,TimePoint == 1)$Value)

我真的不知道为什么分组数据没有正确传送到过滤器语句？

Answer 1

在分组步骤之后，通过使用“TimePoint”创建一个逻辑向量来子集“Value”，即TimePoint == 1，然后从“Value”中减去它

DF %>%
   group_by(Gene, Genotype) %>%
   mutate((Diff = Value - Value[TimePoint == 1]))

---

或者另一个选项是match 来获取索引

DF %>%
   group_by(Gene, Genotype) %>% 
   mutate((Diff = Value - Value[match(1, TimePoint)]))

---

如果我们真的需要使用filter，那么过滤数据集，然后做一个right_join并得到差异

DF %>%
   filter(TimePoint == 1) %>% 
   select(Gene, Genotype, Value1 = Value)  %>% 
   right_join(DF) %>% 
   mutate(Diff = Value - Value1) %>%
   select(-Value1)

---

在filter 之后的filter OP 的提取“值”不遵循group_by 约束，它只是通过回收来减去