如何将数据框转换为矩阵

Question

我想将命名向量转移到矩阵并填充缺失值（用 0 填充）。

例如，我有一个这样的数据框：

col1     col2    col3
Cancer1  Gene1   2.1
Cancer1  Gene2   2.51
Cancer1  Gene3   3.0
Cancer2  Gene1   0.9

其中有两列名称：col1 和 col2。然后我想把它转换成一个矩阵，比如：

        Cancer1   Cancer2
Gene1   2.1       0.9
Gene2   2.51      0
Gene3   3.0       0

如果向量中有缺失值，用0填充。

如何在 R 中有效地做到这一点？

Answer 1

你可以使用tidyr包：

tidyr::spread(mydata, col1, col3, fill = 0)

#    col2 Cancer1 Cancer2 
# 1 Gene1    2.10     0.9 
# 2 Gene2    2.51     0.0 
# 3 Gene3    3.00     0.0

数据：

mydata <- structure(list(col1 = structure(c(1L, 1L, 1L, 2L), .Label = c("Cancer1", 
"Cancer2"), class = "factor"), col2 = structure(c(1L, 2L, 3L, 
1L), .Label = c("Gene1", "Gene2", "Gene3"), class = "factor"), 
col3 = c(2.1, 2.51, 3, 0.9)), .Names = c("col1", "col2", 
"col3"), class = "data.frame", row.names = c(NA, -4L))

Answer 2

xtabs 或 tapply 都应该这样做。

tapply(my.df$col3, rev(my.df[-3]), c)
       col1
col2    cancer1 cancer2
  gene1     2.1     2.2
  gene2     2.5      NA
  gene3      NA     3.0

tapply 的优势在于，如果任何一个组合有多个实例，您可以返回一个函数结果，例如应用于组的mean。

xtabs(col3 ~ col2 +col1, my.df)  #same matrix result

请注意，使用 tidyverse 之类的 spread 方法可能会为您提供“特殊”类（不是矩阵）的数据对象，如果您不期望它们可能具有烦人的属性，或者如果您 正在期待它们看起来很棒。

Answer 3

你可以做一个嵌套的 sapply，循环遍历每个基因和癌症类型。如果您有因子，请使用级别，如果您有字符向量，请使用 unique()。

my.df <- data.frame(col1=c("cancer1", "cancer1", "cancer2", "cancer2"),
           col2=c("gene1", "gene2", "gene3", "gene1"), 
           col3=c(2.1, 2.5, 3.0, 2.2))

my.mat <- sapply(levels(my.df$col1), (function(cancer){
  sapply(levels(my.df$col2), (function(gene){
    tmp <- my.df[my.df$col1 == cancer & my.df$col2 == gene, "col3"]
    if (length(tmp) > 0) {
      as.numeric(tmp[1])
    } else {
      NA
    }
  }))
}))
my.mat