通过 R 中的行名（dplyr）聚合样本间的观察答案

【问题标题】：Aggregate observations across samples by rownames (dplyr) in R通过 R 中的行名（dplyr）聚合样本间的观察
【发布时间】：2021-03-07 20:21:46
【问题描述】：

阿罗哈，

我正在尝试获取示例矩阵中每个行名称的总计数。出于某种原因，我尝试了两种 rowsum，然后转换为数据框并使用 dplyr::group_by 但它们给出了错误。以下是示例数据的子集：

mat = matrix(c(0,1,2,3,4), nrow=3, ncol = 5)
rownames(mat) <- c("CHO", "NO", "O")
colnames(mat) <-  c("sample_1", "sample_2", "sample_3", "sample_4", "sample_5")`

我希望得到一个带有公式名称的结果数据框，然后总体上观察样本间观察值的总和和样本公式的百分比。

这似乎很容易，但我尝试了所有不同的组合来汇总数据但无济于事，非常感谢一些指导。

【问题讨论】：

你有唯一的行名。不清楚你想要聚合什么
你需要rowSums(mat)
您共享的mat 的预期输出是什么？您想按行对数据求和吗？

标签： r dplyr group-by summarize rowsum

【解决方案1】：

我们可能只需要rowSums

rowSums(mat)

如果存在重复的行名（在示例数据中，行名是唯一的），那么我们使用 rowsum 并将 group 指定为 rownames

rowsum(mat, row.names(mat))

然后我们在上面使用rowSums

rowSums(rowsum(mat, row.names(mat)))

【讨论】：

【解决方案2】：

@akrun 的回答完全符合发帖者的要求，但我发现自己处于类似但略有不同的情况很多，但使用的数据框具有矩阵中的重复行名，所以这些现在是列中的值（下面称为“复合”），如下所示：

set.seed(2347813)
df <- data.frame(matrix(sample(c(0,1,2,3,4,5,6,7,8,9), 
                               size=30, replace=T), nrow=6, ncol=5)) 
colnames(df) <-  c("sample_1", "sample_2", "sample_3", "sample_4", "sample_5")
df$compound <- c("CHO", "NO", "O", "CHO", "NO", "O")

看起来像：

  sample_1 sample_2 sample_3 sample_4 sample_5 compound
1        0        1        4        9        1      CHO
2        3        8        3        0        5       NO
3        8        9        7        1        7        O
4        8        2        9        7        7      CHO
5        3        8        9        0        5       NO
6        6        1        6        7        5        O

然后我想以各种方式汇总数据，但我想按复合分组，并使用来自 dplyr/tidyverse 的管道（下面的%>%）。
就像最初的问题一样，如果我们想要按复合计算的总数，我们会这样做：

df %>%
  group_by(compound) %>%
  summarize(total=sum(c_across(starts_with("sample"))))

这会给我们：

  compound total
  <chr>    <dbl>
1 CHO         48
2 NO          44
3 O           57

但我认为最好的部分是一次执行多个汇总操作的能力。假设我们只需要 sample_1 到 sample_3 的总数、平均值、标准差和平均值，我们可以在一个管道命令中得到所有这些：

df %>%
  group_by(compound) %>%
  summarize(total=sum(c_across(starts_with("sample"))), 
            grand_mean=mean(c_across(starts_with("sample"))),
            sd=sd(c_across(starts_with("sample"))), 
            mean_13=mean(c_across(sample_1:sample_3))) # mean of sample 1-3

这给了我们：

# A tibble: 3 x 5
  compound total grand_mean    sd mean_13
  <chr>    <dbl>      <dbl> <dbl>   <dbl>
1 CHO         48        4.8  3.58    4   
2 NO          44        4.4  3.20    5.67
3 O           57        5.7  2.71    6.17

结合管道 (%>%)、group_by、mutate 和 across 的新版本（上面我使用了 c_across），您可以一次性完成很多工作。

【讨论】：