治疗随机化答案

【问题标题】：Treatment randomization治疗随机化
【发布时间】：2013-04-24 00:30:30
【问题描述】：

我有一个 8 行 12 列的矩阵，随机分布 10 个不同的处理，9 个重复，最后一个处理只有 6 个重复。代码可能是多余的，但它是第一个想到并起作用的想法。我只是想制定一个计划，以便我之后在实验室可以轻松地遵循，以避免错误：

library(ggplot2)
library(RColorBrewer)
library(reshape2)
library(scales)


replicates<-c(rep(seq(1:11),c(rep(9,10),6)));replicates
dimna<-list(c("A","B","C","D","E","F","G","H"),seq(1,12,1))
plate<-array(sample(replicates),dim=c(8,12),dimnames=dimna);plate
platec<-melt(plate);platec

guide<-ggplot(platec,aes(Var2,Var1,fill=factor(value))) + geom_tile()+geom_text(aes(fill=factor(value),label=value)) + ylim(rev(levels(platec$Var1))) + theme_bw() + theme(panel.grid.major.y=element_blank(),panel.grid.minor.y=element_blank(),panel.grid.major.x=element_blank(), axis.text.x=element_text(size=10), axis.title.y=element_blank(), axis.text.y=element_text(size=12)) + scale_fill_brewer(name="",palette="Spectral") + scale_x_continuous("",labels=c(seq(1,12,1)),breaks=c(seq(1,12,1)));guide

但是，现在假设我对随机矩阵进行了多次测量。对于数据处理，我需要确定矩阵中的处理和复制。我可以将数据放在列的末尾：

A1  A2  A3  A4  A5  A6  A7  A8
0.12    0.2 0.124   0.14    0.4 0.18    0.46    0.47
0.13    0.21    0.6 0   0   0.58    0.4 0.2
0.15    0.248   0.58    0.4 0.2 0.248   0.2 0.18
0.18    0.46    0.47    0.3 0.21    0.2 0.21    0.58
0.1784  0.14    0.95    0.7 0.248   0.21    0.248   0.248

。 . .

或按行方式：

A1  0.12    0.13    0.15    0.18    0.1784
A2  0.2 0.21    0.248   0.46    0.14
A3  0.124   0.6 0.58    0.47    0.95
A4  0.14    0   0.4 0.3 0.7
A5  0.4 0   0.2 0.21    0.248
A6  0.18    0.58    0.248   0.2 0.21
A7  0.46    0.4 0.2 0.21    0.248
A8  0.47    0.2 0.18    0.58    0.248

...

R 中是否有一种方法可以将随机矩阵与我收集的数据联系起来，我什至不知道如何开始。我真的很抱歉没有尝试，但老实说我不知道如何开始

【问题讨论】：

标签： r matrix data-processing

【解决方案1】：

我想我知道你在问什么......如果这没有意义，请告诉我。您首先需要有一个设计数据框 - 让我们制作一个虚拟板：

Wells <- paste0(rep(LETTERS[1:8],each=12), rep(1:12, times = 8))
design <- data.frame(Wells, ID = sample(letters[1:10], 96, replace = TRUE))

然后，当您得到结果时，假设它在数据框中（您的“按行方式？”），您可以将它们合并在一起：

#dummy result data
result <- data.frame(Wells, measure = rnorm(96, 0.5))
result_whole <- merge(design, result)
head(result_whole)
#  Wells ID    measure
#1    A1  j -0.4408472
#2   A10  d -0.5852285
#3   A11  d  1.0379943
#4   A12  e  0.6917493
#5    A2  g  0.8126982
#6    A3  b  2.0218953

如果您保持设计整洁，这非常简单。然后，您可以标记结果（在这种情况下为measure），但是您想跟踪所有结果。

希望能解决你的问题...

【讨论】：