如何遍历列，如果模式匹配，使用 R 计算其他列中的相关字符？

Question

0

我有一个 1000 行 21 列的数据框（附图），第一列是 miRNA 基因名称，其他列显示每个位置的每个核苷酸：（附图）

我想要的是在第一列上进行循环，如果我的字符模式在列中匹配，例如“Ami-Mir-489”（不考虑 p1 和 p2），那么对于每个位置（pos_1， pos_2, ..., pos_20) 分别计算每个核苷酸的频率。

enter image description here

Answer 1

我认为最好的方法是使用以下软件包 dplyr、tidyr 和 magrittr。

首先你应该生成一个可重现的例子

library(magrittr)
library(dplyr)
library(tidyr)
#Reproducible example
Nucleo <- c("A","T","G","C")
df <- data.frame(gene=paste0("Gene",1:20))
for(x in 1:21){
  df[[paste0("pos_",x)]] <- sample(Nucleo, 20, replace = T)
}

接下来我们将整理数据框以便我们可以对其进行操作。

df <- gather(df, key = "Position", value = "Nucleotide", -gene)

frequency <- df %>%
  group_by(gene, Nucleotide) %>% #specify which groups we will mutate on
  mutate(NucleotitdeCount=n()) %>% #For each gene and Nucleotide type - Count total
  select(gene, Nucleotide, NucleotitdeCount) %>% #Specify Columns we need
  distinct() %>% ungroup() %>% #reduce size to unique instances
  group_by(gene) %>%  #Regroup by gene to mutate over nucleotide counts
  mutate(relativeFreq=NucleotitdeCount/sum(NucleotitdeCount)) #Calculate Relative Frequency

我认为最好将数据保持原样，但如果您想将其返回为长格式：

freqLong <- frequency %>%
         select(gene, Nucleotide, relativeFreq) %>%
         spread(key = "Nucleotide", value = "relativeFreq")

使用 ggplot2 包将其保留为以前的形式使可视化变得容易

library(ggplot2)

ggplot(frequency, aes(gene, relativeFreq, fill = Nucleotide)) + 
  geom_bar(stat = "identity", position = "stack")

这样做的好处是你一开始不需要担心过滤。

但是，如果您想先过滤基因，也可以使用 dplyr 函数 filter

我建议将它与grepl 结合使用以进行模式匹配。 这是我在数据集 iris 的 Species 列中匹配“seto”的示例

iris %>% filter(grepl(pattern = "seto", x = Species)) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1          5.1         3.5          1.4         0.2  setosa
#2          4.9         3.0          1.4         0.2  setosa
#3          4.7         3.2          1.3         0.2  setosa
#4          4.6         3.1          1.5         0.2  setosa
#5          5.0         3.6          1.4         0.2  setosa
#6          5.4         3.9          1.7         0.4  setosa