R：使用索引嵌套for循环不会覆盖数据帧答案

【问题标题】：R: Nested for loop using indices won't overwrite data frameR：使用索引嵌套for循环不会覆盖数据帧
【发布时间】：2018-09-02 18:30:29
【问题描述】：

我有以下数据框：

          ID<-seq(1:5)  #patient ID
          snp1<-c("A","T","A","A","T")
          snp2<-c("C","C","0","C","C")
          snp3<-c("A","G","A","A","G")
          snp4<-c("T","0","C","G","T")
          snp5<-c("G","G","G","G","A")
          dat<-data.frame(ID,snp1,snp2,snp3,snp4,snp5)
          print(dat)

给出：

  ID snp1 snp2 snp3 snp4 snp5
1  1    A    C    A    T    G
2  2    T    C    G    0    G
3  3    A    0    A    C    G
4  4    A    C    A    G    G
5  5    T    C    G    T    A

我正在尝试使用嵌套的 for 循环来计算 dat 中每一列的给定值的出现次数。首先，我创建了一个空数据框，其中的列是 snps1-5，行表示每列可以在 dat 中采用的可能值：

results<- data.frame(matrix(0,ncol = 5, nrow = 5))
colnames(results)=c("snp1","snp2","snp3","snp4","snp5")
rownames(results)=c("A","T","C","G","0")

为确保我想在循环中合并的代码正常工作，我执行以下操作：

results["A","snp1"]<-nrow(subset(dat,subset= snp1=="A"))
print(results)

对于 dat 中的 snp1 正确地给出了 3 次 A：

  snp1 snp2 snp3 snp4 snp5
A    3    0    0    0    0
T    0    0    0    0    0
C    0    0    0    0    0
G    0    0    0    0    0
0    0    0    0    0    0

然后我使用以下嵌套 for 循环对每一列执行相同的操作（第一个 for 循环），但对 dat 中的列可以采用的每个可能值重复该过程（第二个 for 循环）：

for(i in colnames(results)){for(j in c("A","T","C","G","0")){
            snp<-as.name(i)
            results[j,i]=nrow(subset(dat,subset= snp==j))
            results
          }}
print(results)

它给出了一个完全用 0 填充的数据框：

  snp1 snp2 snp3 snp4 snp5
A    0    0    0    0    0
T    0    0    0    0    0
C    0    0    0    0    0
G    0    0    0    0    0
0    0    0    0    0    0

我在网上花了几个小时试图确定问题所在，但无法解释。我最初希望根据添加到 dat 的表型列的值来执行此过程，以便获得病例和对照的计数，但我无法超越这一点。任何建议将不胜感激。谢谢你。

【问题讨论】：

标签： r for-loop dataframe nested-loops overwrite

【解决方案1】：

编写一个对一列执行正确操作的函数，例如，

fun = function(x)
    table(factor(x, levels = c("A", "C", "G", "T", "0")))

然后将其应用于所有列

apply(dat[,-1], 2, fun)

可能用NA而不是0来表示缺失值要好得多；调整函数以在这种情况下工作

fun = function(x)
    table(factor(x, levels = c("A", "C", "G", "T")), useNA = "always")

【讨论】：

【解决方案2】：

在这样的循环中工作时，我更喜欢使用索引进行子集化。即，将subset(dat,subset= snp==j) 更改为dat[dat[, i] == j, ]。我希望这会有所帮助！

当然，对于这样的问题，您不必使用循环。可以的，

values <- c("A","T","C","G","0")
apply(dat[, -1], 2, function(x) sapply(values, function(y) length(which(x == y))))

【讨论】：

谢谢！两种解决方案都运行良好，尽管我更喜欢后者，因为它更优雅。我仍然不确定为什么我使用 subset() 函数的策略与使用您的索引策略相比不起作用。