Dplyr 语法选择列并将它们转换为单个列表答案

【问题标题】：Dplyr syntax selecting columns and converting them to a single listDplyr 语法选择列并将它们转换为单个列表
【发布时间】：2021-07-08 01:07:19
【问题描述】：

我开始学习如何使用 dplyr 的管道 (%>%) 命令来操作数据帧。我喜欢它看起来更加精简。但是，我刚刚遇到了一个仅使用管道无法解决的问题。

我有一个数据框，其中包含如下所示的关系（网络）数据：

前两列表示哪些项目（基因）之间存在关系，第三列包含有关该关系的信息：

  a      b      c    
1 Gene_1 Gene_2 X    
2 Gene_2 Gene_3 R    
3 Gene_1 Gene_4 X

我的目标是获取具有相同属性的独特基因列表。如果选择了 col 3 中的属性X，我会得到这个数据框：

  a      b      c    
1 Gene_1 Gene_2 X     
3 Gene_1 Gene_4 X

我想以这个独特基因列表结束：

genes = c("Gene_1" "Gene_2" "Gene_4")

项目（基因）来自第一列还是第二列都没有关系，我只想要一个唯一的列表。我想出了这个解决方案：

library(tidyr)

net = tibble(a = c("Gene_1", "Gene_2", "Gene_1"),
       b = c("Gene_2", "Gene_3", "Gene_4"),
       c = c("X", "R", "X"))

df = net %>% 
  filter(c == "X") %>%
  select(c(1,2)) 

genes = unique(c(df$a, df$b))

但我并不满意，因为我无法在 dplyr 管道命令中完成所有操作。我必须在管道命令之外创建一个列表，然后在其上调用 unique。

有没有办法通过调用另一个管道来完成这项任务？我无论如何都找不到这样做。谢谢。

【问题讨论】：

标签： r dplyr syntax

【解决方案1】：

虽然 OP 也提出并接受了许多有启发性的答案，但我只想补充一点，以防您希望同时为 c 中的所有值提供它，这样做

library(tidyverse)

net %>%
  group_split(c, .keep = F) %>%
  setNames(unique(net$c)) %>%
  map(~ (.x %>% unlist() %>% unique()))

$X
[1] "Gene_2" "Gene_3"

$R
[1] "Gene_1" "Gene_2" "Gene_4"

【讨论】：

【解决方案2】：

1) 像这样使用{...}：

net %>% 
  filter(c == "X") %>%
  select(c(1,2)) %>%
  { unique(c(.$a, .$b)) }
## [1] "Gene_1" "Gene_3" "Gene_2" "Gene_5"

2) 或使用 magrittr 的 %$% 管道：

library(magrittr)

net %>% 
  filter(c == "X") %>%
  select(c(1,2)) %$%
  unique(c(a, b))
## [1] "Gene_1" "Gene_3" "Gene_2" "Gene_5"

3) 或使用with:

net %>% 
  filter(c == "X") %>%
  select(c(1,2)) %>%
  with(unique(c(a, b)))
## [1] "Gene_1" "Gene_3" "Gene_2" "Gene_5"

由于结果不是数据框最好不要调用它df。

【讨论】：

【解决方案3】：

library(tidyverse)

net <- tibble(
  a = c("Gene_1", "Gene_1", "Gene_3"),
  b = c("Gene_2", "Gene_4", "Gene_5"),
  c = c("X", "R", "X")
)

df <- net %>%
  filter(c == "X") %>%
  select(a, b)
df
#> # A tibble: 2 x 2
#>   a      b     
#>   <chr>  <chr> 
#> 1 Gene_1 Gene_2
#> 2 Gene_3 Gene_5

genes <- net %>%
  select(-c) %>%
  unlist() %>%
  unique()
genes
#> [1] "Gene_1" "Gene_3" "Gene_2" "Gene_4" "Gene_5"

【讨论】：

【解决方案4】：

unlist() 函数可能正是您想要的。

引用?unlist 的内置文档：“给定一个列表结构 x，unlist 将其简化为一个包含 x 中出现的所有原子组件的向量。”

由于 R 数据帧（和 tibbles）被实现为长度相等的列向量列表，因此 unlist 函数将有效地将数据帧转换为向量。

使用filter 和select 对所需行和列进行子集，然后将结果通过unlist() 和unique() 进行管道传输。结果将是一个包含不同元素的向量。

library(dplyr)

# The example data
tibble(a = c("Gene_1", "Gene_2", "Gene_1"),
       b = c("Gene_2", "Gene_3", "Gene_4"),
       c = c("X", "R", "X")) %>%
    
    # Subset data for desired feature
    filter(c == "X") %>%
    
    # Select identifier columns
    select(a, b) %>%
    
    # convert to a vector
    unlist() %>%
    
    # derive unique elements
    unique()

结果

[1] "Gene_1" "Gene_2" "Gene_4"

【讨论】：

【解决方案5】：

我意识到这个问题有几个答案，但我会采取稍微不同的方式。也许它对某人有用？

我也创建了一个数据集来演示。

library(tidyverse) 
library(stringi)    # only used in data generation

# data set creation 100 rows
a = paste0("Gene_",1:100)
b = paste0("Gene_",round(runif(100, 10, 99),digits = 0))
cC = paste0(stringi::stri_rand_strings(100, 1, '[A-Z]'))

# put it together and strip the information    
data.frame(a = a, b = b, cC = cC) %>% # collect the data
   filter(cC == "X") %>%              # filter for attribute
   select(-cC) %>%                    # remove attribute field
   unlist() %>%                       # collapse the data frame into a vector
   unique()                           # show me what's unique

# output example
# [1] "Gene_10" "Gene_12" "Gene_28" "Gene_77" "Gene_22" "Gene_41" "Gene_75"
# [8] "Gene_19"

【讨论】：

【解决方案6】：

我建议使用tidyr::pivot_longer 将多个潜在匹配列从两个不同的基因列重塑为一个值列（我们关心）和一个名称列（引用原始列名，我们不这样做' t关心并且可以忽略）。然后distinct得到唯一匹配，最后匹配到c列：

net %>%
  pivot_longer(-c) %>%
  distinct(c, value) %>%
  filter(c == "X")

如果要将结果作为向量，可以添加%>% pull(value)。

这种方法的一个好处是，我们已经为每一列 c 值计算了每组不同的基因，最后一个 filter 步骤只是将其缩小到一个示例 c 值。

结果

  c     value 
  <chr> <chr> 
1 X     Gene_1
2 X     Gene_2
3 X     Gene_4

[注意：我制作了a = c("Gene_1", "Gene_2", "Gene_1") 和b = c("Gene_2", "Gene_3", "Gene_4") 来匹配示例。]

【讨论】：