如何找到具有相同值的三个连续行

Question

我有一个如下的数据框：

chr     leftPos    Sample1  X.DD   3_samples    MyStuff
1        324         -1        1        1           1
1        4565        -1        0        0           0 
1        6887        -1        1        0           0
1        12098        1       -1        1           1
2        12          -1        1        0           1
2        43          -1        1        1           1
5        1           -1        1        1           0
5        43           0        1       -1           0
5        6554         1        1        1           1
5        7654        -1        0        0           0
5        8765         1        1        1           0
5        9833         1        1        1          -1
6        12           1        1        0           0
6        43           0        0        0           0
6        56           1        0        0           0
6        79           1        0       -1           0
6        767          1        0       -1           0
6        3233         1        0       -1           0

我想按照以下规则进行转换 对于每条染色体：

一个。如果一列中连续出现三个或更多 1 或 -1，则该值保持原样。

b.如果一列中连续的 1 或 -1 少于三个，则 1 或 -1 的值变为 0

列中的行必须具有相同的符号（+ 或 -ve）才能称为连续。

上面dataframe的结果应该是：

chr     leftPos    Sample1  X.DD   3_samples    MyStuff
    1        324         -1        0        0           0
    1        4565        -1        0        0           0 
    1        6887        -1        0        0           0
    1        12098        0        0        0           0
    2        12           0        0        0           0
    2        43           0        0        0           0
    5        1            0        1        0           0
    5        43           0        1        0           0
    5        6554         0        1        0           0
    5        7654         0        0        0           0
    5        8765         0        0        0           0
    5        9833         0        0        0           0
    6        12           0        0        0           0
    6        43           0        0        0           0
    6        56           1        0        0           0
    6        79           1        0       -1           0
    6        767          1        0       -1           0
    6        3233         1        0       -1           0

我已经设法连续两行执行此操作，但我不确定如何更改三行或更多行。

DAT_list2res <-cbind(DAT_list2[1:2],DAT_list2res)
colnames(DAT_list2res)[1:2]<-c("chr","leftPos")
DAT_list2res$chr<-as.numeric(gsub("chr","",DAT_list2res$chr))
DAT_list2res<-as.data.frame(DAT_list2res)
dx<-DAT_list2res
f0 <- function( colNr, dx)
{
  col <- dx[,colNr]
  n1 <- which(col == 1| col == -1)          # The `1`-rows.
  d0 <- which( diff(col) == 0)      # Consecutive rows in a column are equal.
  dc0 <- which( diff(dx[,1]) == 0)  # Same chromosome.
  m <- intersect( n1-1, intersect( d0, dc0 ) )
  return ( setdiff( 1:nrow(dx), union(m,m+1) ) )
}
g <- function( dx )
{
  for ( i in 3:ncol(dx) ) { dx[f0(i,dx),i] <- 0 }  
  return ( dx )
}
dx<-g(dx)

Answer 1

这是一种仅使用基址R 的解决方案。

首先定义一个函数，它将替换任何小于 3 的重复为零：

replace_f <- function(x){
  subs <- rle(x)
  subs$values[subs$lengths < 3] <- 0
  inverse.rle(subs)
}

然后将您的data.frame 拆分为chr，然后将该函数应用于您要更改的所有列（在本例中为第 3 到 6 列）：

df[,3:6] <- do.call("rbind", lapply(split(df[,3:6], df$chr), function(x) apply(x, 2, replace_f)))

请注意，我们在替换原始数据之前将结果与rbind 结合在一起。这将为您提供所需的结果：

   chr leftPos Sample1 X.DD X3_samples MyStuff
1    1     324      -1    0          0       0
2    1    4565      -1    0          0       0
3    1    6887      -1    0          0       0
4    1   12098       0    0          0       0
5    2      12       0    0          0       0
6    2      43       0    0          0       0
7    5       1       0    1          0       0
8    5      43       0    1          0       0
9    5    6554       0    1          0       0
10   5    7654       0    0          0       0
11   5    8765       0    0          0       0
12   5    9833       0    0          0       0
13   6      12       0    0          0       0
14   6      43       0    0          0       0
15   6      56       1    0          0       0
16   6      79       1    0         -1       0
17   6     767       1    0         -1       0
18   6    3233       1    0         -1       0

Answer 2

使用rleid 的data.table 解决方案将是

require(data.table)
setDT(dat)
dat[,Sample1 := Sample1 * as.integer(.N>=3), by=.(chr, rleid(Sample1))]

这使用了rleid(Sample1) 和data.table 的有用.N-variable 的分组。

对所有列执行此操作，您可以使用eval(parse(text=...)) 语法，如下所示：

for(i in names(dat)[3:6]){
  by_string = paste0("list(chr, rleid(", i, "))")
  def_string = paste0(i, "* as.integer(.N>=3)")
  dat[,(i) := eval(parse(text=def_string)), by=eval(parse(text=by_string))]
}

所以结果是：

> dat[]
    chr leftPos Sample1 X.DD X3_samples MyStuff
 1:   1     324      -1    0          0       0
 2:   1    4565      -1    0          0       0
 3:   1    6887      -1    0          0       0
 4:   1   12098       0    0          0       0
 5:   2      12       0    0          0       0
 6:   2      43       0    0          0       0
 7:   5       1       0    1          0       0
 8:   5      43       0    1          0       0
 9:   5    6554       0    1          0       0
10:   5    7654       0    0          0       0
11:   5    8765       0    0          0       0
12:   5    9833       0    0          0       0
13:   6      12       0    0          0       0
14:   6      43       0    0          0       0
15:   6      56       1    0          0       0
16:   6      79       1    0         -1       0
17:   6     767       1    0         -1       0
18:   6    3233       1    0         -1       0