在 R 中合并不同的长度答案

【问题标题】：Binning different lengths in R在 R 中合并不同的长度
【发布时间】：2011-08-04 12:06:10
【问题描述】：

输入1

dput(a1  100 200 +
a1  250 270 +
a1  333 340 -
a2  450 460 +)

输入2

dput(a1  101 106 +
a1  112 117 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  258 259 +
a1  260 262 +
a1  260 262 + 
a1  260 262 + 
a1  260 262 + 
a1  260 262 + 
a1  332 333 -
a1  332 333 -
a1  332 333 -
a1  332 333 -
a1  332 333 -
a1  332 333 -
a1  332 333 -
a1  331 333 -
a1  331 333 -
a1  331 333 -
a1  331 333 -
a1  331 333 -
a1  331 333 -)

输出

c   s   e   st  1   2   3   4   5   6   7   8   9   10
a1  100 200 +   1   2   0   0   0   0   0   0   0   0
a1  250 270 +   0   0   0   9   5   0   0   0   0   0
a1  330 340 -   0   0   0   0   0   0   0   6   7   0
a2  450 460 +   0   0   0   0   0   0   0   0   0   0

我想使用 input1 值计算点 (input2) 的密度。表示 a1-100-200 在这 100 到 200 范围内有多少个点？即3。我想对所有输入值做同样的事情。我想互相比较。但问题是值的长度（200-100=100 或 270-250=20）不同。为了将它们相互比较，我需要以我可以比较的方式缩放它们。所以我想出了 10 个 bins 窗口（输出）。我使用 input1 bin 计算 input2 点。最后，我需要在 x 轴上绘制 bin，在 y 轴上绘制值 xyplot(x(bins),y1(a1:100:200:+)+y2(a1:250:270:+y3...+y4)

“+”表示我们需要以 100 为起点，200 为终点，当我们计算 bin 时（100-110 将是第一个 bin .....） - 意味着完全相反（190-200 将是第一个垃圾箱）

1-10 表示 1 到 10 个 bin

您需要根据 column1 键为 bin 使用第 1 列和第 2 列。我们删除不在范围内的值

c = character, s =start, e=end, s=strand, 1-10 是 input1 的 bin。是的，你是对的。例如，250-270 应该有 2 个数字差，因为（270-250=20，因此对于 10 个 bin，它将是 20/10=2）

【问题讨论】：

+ 和 - 的列是什么意思？它似乎与问题无关。此外，使用 dput 使您的数据可重现会很有帮助。
我不清楚标记为 1-10 的列在您的输出中应该代表什么。就此而言，c,s,e,st 还代表什么？为什么最终会在标记为 1-10 的列中计数？
还有两件事：为什么input2 有不止一列？你想如何处理input2 中不属于input1 中指定范围的值，例如，如何处理值 225？
我们可以退后一步吗？您能否编辑您的问题以包含这 10 个 cmets 的相关详细信息？没有任何合理的问题需要有人通读 10 cmets 才能对问题所在有一个表面上的理解。我认为这里隐藏了一个很好的问题，但在当前的演示文稿中没有出现。帮助 SO 社区帮助您。这篇关于 SO 的帖子为提出好的问题提供了绝妙的见解：stackoverflow.com/questions/5963269/…
@repinemeter：嗯，不。在 R 中，键入 dput(input1)。输出应该是某种结构。在您的问题中，输入input1 <- <the output structure>。（然后 CTRL+K 将其格式化为代码。）

标签： r binning

【解决方案1】：

这个问题仍然不是很好，所以我不确定我是否完全理解你想要什么，但你可能想使用table 和cut 的组合。

您的样本数据

input1 <- data.frame(
  type  = paste("a", rep(1:2, times = c(3, 1)), sep = ""),
  lower = c(100, 250, 333, 450),
  upper = c(200, 270, 340, 460)
)

input2 <- data.frame(
  type = rep.int("a1", 28),
  lower = rep(c(101, 112, 258, 260, 332, 331), times = c(1, 1, 9, 5, 7, 5)),
  upper = rep(c(106, 117, 259, 262, 333), times = c(1, 1, 9, 5, 12))
)

首先，您根据input1 中的值定义箱。

cut_points <- with(input1, sort(c(start, end)))

然后按类型拆分input2$start，按箱切分，然后在每个箱中找到计数。

with(input2, tapply(start, type, function(x) table(cut(x, cut_points))))

可能重复end 列。

with(input2, tapply(end, type, function(x) table(cut(x, cut_points))))

【讨论】：

描述问题的最简单方式可能是这样的。 input1 有 1 到 100 个随机数。输入 2 的范围为 10-20。我想计算在 10-20 范围内的随机数有多少。在我的问题中，输入具有不同长度的范围，例如 1-10、20-25 和 80-100。在这种情况下，计算落在这些不同范围内的随机数会很棘手。然后我想到将所有范围标准化为相似的比例。为此，我可以取所有范围的平均长度（好），或者我可以形成统一的箱并计算这些箱中的随机数（完美的方式）。