R 中的子集（）返回不正确值的问题答案

【问题标题】：Trouble with subset() in R returning incorrect valuesR 中的子集（）返回不正确值的问题
【发布时间】：2012-09-07 15:29:26
【问题描述】：

我正在尝试通过染色体和位置信息对遗传数据区域进行子集化。不幸的是，我的结果不在我的参数范围内。任何帮助将不胜感激。

这是我的代码：

    subset.by.region<- function(df,region.info, expansion=0){
     MBstart = as.numeric(region.info[[3]]) - expansion
     MBend = as.numeric(region.info[[4]]) + expansion
     chrom =as.numeric(region.info[[2]])
     print(chrom)
     print(MBstart)
     print(MBend)
     BPstart <- MBstart  * 1e6
     BPend <- MBend  * 1e6
     sub_results <- as.numeric(df$CHR) == chrom & as.numeric(df$BP) >= BPstart & as.numeric(df$BP) <= BPend;
     print(head(sub_results))
     region_results <- subset(results, sub_results)
     return(region_results)
    }

以下是控制台的打印内容，其中包含正在使用的区域信息：

[1] 1
[1] 113.308
[1] 115.158

这是子集 (region_results) 的打印结果：

     GENE CHR     SNP    EMP1  NP        BP          SNP_IM  SNP_LZ
3238 AP3S1   5    rs26538 1.00000   6 115178395         rs26538    rs26538
3239 AP4B1   1  rs1217401 1.00000  46 114438951 imm_1_114240474  rs1217401
3240 AP4B1   1  rs1217402 1.00000  41 114440258 imm_1_114241781  rs1217402
3241 AP4B1   1  rs3789613 1.00000 297 114443035 imm_1_114244558  rs3789613
3242 AP4B1   1  rs7523862 1.00000 297 114443419 imm_1_114244942  rs7523862
3243 AP4B1   1 rs17464525 1.00000 148 114443899 imm_1_114245422 rs17464525

如您所见，子集中有一行包含 5 号染色体上的标记。我做错了什么？先感谢您。编辑：这是对函数的调用，前面有一些东西：

     write.genelist <- function(table_loc, region.info, out_folder,yank_loc){
      region.ID = as.character(region.info[[1]])
      out_name = paste0(region.ID,"_genes.list")
      region_folder = file.path(out_folder, region.ID)
      out_loc <- file.path(region_folder,out_name, fsep = .Platform$file.sep)
      results <- read.table(table_loc, T,strip.white = TRUE)
      gene_region_results <- subset.by.region(results,region.info)
      ...
     }

【问题讨论】：

请显示对您的子集函数的调用以及 region.info 的内容。
很奇怪 sub_reslts 不是一个逻辑（布尔）向量。你应该调查一下。
发布 str(region.info) 的输出（或者更确切地说是您在调用函数时传递给 region.info 参数的对象。）控制台输出通常是模棱两可的，因为您提供演示。使用str 和dput 改善沟通。
如果您的问题在于色度匹配，请删除所有其他代码。还有什么子集打印？
我认为您需要阅读?subset，它会警告您不要使用subset() 进行编程。它使用标准的非标准评估规则来查找内容，并且在您自己的函数中使用时可能会出现各种错误。对于初学者，它试图找到看起来像在全局工作区中的results，但使用在函数的执行环境中的sub_results。请改用[。

标签： r dataframe subset

【解决方案1】：

我会使用[ 来作为函数的子集，而不是subset()。请参阅?subset 了解原因。

subset.by.region<- function(results, df, region.info, expansion=0){
    MBstart = as.numeric(region.info[[3]]) - expansion
    MBend = as.numeric(region.info[[4]]) + expansion
    chrom =as.numeric(region.info[[2]])
    print(chrom)
    print(MBstart)
    print(MBend)
    BPstart <- MBstart  * 1e6
    BPend <- MBend  * 1e6
    sub_results <- as.numeric(df$CHR) == chrom & 
        as.numeric(df$BP) >= BPstart & as.numeric(df$BP) <= BPend
    print(head(sub_results))
    results[sub_results, ]
}

我也会传入results，而不是依赖它在全球环境中被发现。

【讨论】：

非常感谢！我将代码移植到它自己的函数中，并错过了我从“结果”更改为更通用的 df。我会加分，但我的声誉太低了。我会根据您的建议考虑使用 [ 来代替。
@user1636450 即使有 1 个代表点，您当然可以接受答案。
谢谢！我承认我是个菜鸟，我什至没有意识到这是我的下一步。谢谢 DWin。
看起来结果是错误。
@AlexBrown 是的，不确定 OP 的意图是什么，因此我在答案中发表了评论。