r - 基于参考数据帧的截断子集多个数据帧（或一个列表）

Question

我有一系列代表不同分子 (F0001, F0002,...,) 的数据框，其中包含使用该分子的实验的成百上千的分数。每个数据框都是这样的。

F0001

    PoseID  Score
1   AAAA_1  -13.70
2   AAAA_2  -9.21
3   AAAA_3  -7.60
4   AAAA_4  -6.28
5   ....

F0002

    PoseID  Score
1   AAAB_1  -14.90
2   AAAB_2  -13.92
3   AAAB_3  -13.49
4   AAAB_4  -11.95
5   ....

等等等等

基于截止值，我想对数据进行子集以剔除任何高于所述截止值的姿势，因此，进行简单的二进制比较。一个稍微复杂的因素是每个 (F0001, F0002,...,) 的截止值都不同，所以我继续将它们存储在数据框中（我们称之为 cutoffs。

分界线

     FragmentID     ScoreCutOff
1    F0001          -9.69
2    F0002          -9.33
3    F0003          -8.50
4    ....

所以我想问题变成了，我是在cutoffs 和每个数据帧之间进行比较，还是将所有数据帧添加到一个列表中，然后在cutoffs 和那里的数据帧列表之间进行比较？

我觉得Ari Friedman's answer 很准，所以我正在使用 sapply/any 工具来让它工作，通常使用 Python/CPP/ 中的嵌套循环和数据结构很容易解决这类问题Java，但我是 R 中的新手，所以我很想听听人们的任何其他想法。当然，如果我在此期间自己解决它，我会发布解决方案以供批评。

Answer 1

根据您提供的信息，这样的事情应该可以完成：

# bring your data.frames into a list:
f <- list( F0001, F0002 )
> f
[[1]]
  PoseID  Score
1 AAAA_1 -13.70
2 AAAA_2  -9.21
3 AAAA_3  -7.60
4 AAAA_4  -6.28

[[2]]
  PoseID  Score
1 AAAB_1 -14.90
2 AAAB_2 -13.92
3 AAAB_3 -13.49
4 AAAB_4 -11.95

# subset per list item
for( i in 1 : length( f ) ) 
    f[[ i ]] <- f[[ i ]][ f[[ i ]][ 2 ] < cutoffs[ i, 2 ], ]
> f
[[1]]
  PoseID Score
1 AAAA_1 -13.7

[[2]]
  PoseID  Score
1 AAAB_1 -14.90
2 AAAB_2 -13.92
3 AAAB_3 -13.49
4 AAAB_4 -11.95

不确定“高于截止”是什么意思，也许你必须扭转小于< 的操作。我还假设在cutoffs 中，数据的顺序与 data.frames 列表中的顺序完全相同，否则可能需要进行一些额外的操作来识别相应的截止值。

Answer 2

假设 df1, df2 作为数据帧，您可以使用 lapply 尝试此操作

dflist = list(df1, df2)
names(dflist) = cutoffs$FragmentID

out = lapply(names(dflist), 
      function(x){ 
        cfval = subset(cutoff, FragmentID %in% x); 
        subset(dflist[[x]], Score < cfval$ScoreCutOff)
      })

names(out) = cutoff$FragmentID

#> out
#$F0001
#  PoseID Score
#1 AAAA_1 -13.7
# 
#$F0002
#  PoseID  Score
#1 AAAB_1 -14.90
#2 AAAB_2 -13.92
#3 AAAB_3 -13.49
#4 AAAB_4 -11.95

稍后如果您想单独拥有所有数据帧，您可以这样做

# data-frames with names F0001, F0002, ....
list2env(out,.GlobalEnv)