rowSums 错误“x”必须是数字

Question

我正在尝试将各种列与rowSums 一起添加，但我遇到了一些问题。以下是列名列表：

colnames(No_Low_No_Intergenic_snpeff)

"CHROM" "POS"   "REF"   "ALT"   "QUAL"  "ANN.ALLELE"    "ANN.EFFECT"
"ANN.IMPACT"    "ANN.GENE"  "ANN.GENEID"    "ANN.FEATURE"   "ANN.FEATUREID"
"ANN.HGVS_C"    "ANN.HGVS_P"    "ANN.ERRORS"    "GEN.C02141.GT" "GEN.C00611.GT"
"GEN.C00633.GT" "GEN.C00634.GT" "GEN.C00644.GT" "GEN.C00647.GT" "GEN.C00648.GT"
"GEN.C00649.GT" "GEN.C00650.GT" "GEN.C00653.GT" "GEN.C00655.GT" "GEN.C00656.GT"
"GEN.C00657.GT" "GEN.C00659.GT" "GEN.C00682.GT" "GEN.C00705.GT" "GEN.C00707.GT"
"GEN.C00720.GT" "GEN.C00783.GT" "GEN.C01431.GT" "GEN.C01944.GT" "GEN.C01943.GT"
"GEN.C01403.GT" "GEN.C01158.GT" "GEN.C01157.GT" "GEN.C01156.GT" "GEN.C01033.GT"
"GEN.C00736.GT" "GEN.C00639.GT" "GEN.C99686.GT"

我正在使用的所有列都标有GEN.Cxxxxx.GT，并且这些列中的所有值都在 0-2 之间。我正在尝试对第 20:29 列和第 45 列求和，然后将这些值放在一个名为 controls 的新列中：

No_Low_No_Intergenic_snpeff.scores$controls <- rowSums(No_Low_No_Intergenic_snpeff.scores[,20:29,45])

但是当我尝试运行该命令时，我收到以下错误：

Error in rowSums(No_Low_No_Intergenic_snpeff.scores[, 20:29, 45]) : 'x' must be numeric

数据

str(No_Low_No_Intergenic_snpeff.scores)

'data.frame':   1000 obs. of 11 variables:
$ GEN.C00644.GT: Factor w/ 3 levels "0","1","2": 3 1 1 3 3 3 2 1 3 1 ...
$ GEN.C00647.GT: Factor w/ 3 levels "0","1","2": 3 1 3 3 2 2 2 1 2 1 ...
$ GEN.C00648.GT: Factor w/ 3 levels "0","1","2": 3 1 1 3 3 3 1 1 2 1 ...
$ GEN.C00649.GT: Factor w/ 3 levels "0","1","2": 3 1 1 3 2 2 2 1 2 1 ...
...

Answer 1

您收到此错误是因为值不是numeric。查看str 的输出：

GEN.C00650.GT: Factor w/ 3 levels "0","1","2": 3 1 3 3 3 3 1 1 3 1 ... 

这些是factor 类，而不是numeric 类。要将它们作为数字使用，您需要使用 as.numeric 将它们转换为数字

如果您可以再次导入数据：

如果您可以再次从文件中导入数据，则可以使用 stringsAsFactors = FALSE 参数来实现。您几乎应该始终使用此参数，因为没有它，所有字符串（以及大多数数字，如您在此处看到的）将被转换为产生各种烦人问题的因子，直到您将它们改回来。

截至R 4.0.0, this is no longer necessary，stringsAsFactors 的默认值已更改为FALSE。希望这将使这个常见的错误成为过去

否则，从因子变回数字：

基础 R

最简单的方法是使用sapply：

rowSums(sapply(No_Low_No_Intergenic_snpeff.scores[, c(20:29, 45)],
               function(x) as.numeric(as.character(x))))

这对您的 data.frame 进行子集化，将 as.numeric 函数应用于每一行，然后计算 rowSums。

tidyverse

您还可以使用dplyr 中的mutate_if 函数将所有因子变量转换为数值。

library(dplyr)

No_Low_No_Intergenic_snpeff.scores <- No_Low_No_Intergenic_snpeff.scores %>%
    mutate_if(is.factor, ~as.numeric(as.character(.)))

rowSums(No_Low_No_Intergenic_snpeff.scores[, c(20:29, 45)])

或者，您可以使用mutate_at 按位置或名称选择列。阅读?select，了解选择列的所有不同方式。您甚至可以使用带有matches 的正则表达式，如下所示：

No_Low_No_Intergenic_snpeff.scores <- No_Low_No_Intergenic_snpeff.scores %>%
    mutate_at(vars(matches('GEN.C\\d{5}.GT')), funs(as.numeric))

这会将函数as.numeric 应用于名称与正则表达式GEN.C\\d{5}.GT 匹配的所有列，其中\\d{5} 表示5 个数字。