【发布时间】：2016-08-26 04:28:09
【问题描述】：
我有一个看起来像这样的矩阵（称为结果）
id1 id2 id3 id4 id5 id6 id7 id8 id9
snp1 1 2 0 NA 1 1 1 2 1
snp2 2 2 2 2 0 2 NA NA 0
snp3 NA NA 1 NA 0 NA NA 2 2
到目前为止，我已经删除了使用 NA 完全填充的行和列
indexsnp=apply(results,1,
function(x) length(which(is.na(x)==T)))
indexsnp=which(indexsnp==length(results[1,]))
indexsample=apply(results,2,
function(x) length(which(is.na(x)==T)))
indexsample=which(indexsample==length(results[,1]))
#get rid of indexes
results=results[-indexsnp,]
results=results[,-indexsample]
我的数据集中仍然有很多 NA，所以现在我想查看哪些 snp 的调用率低于 95%（即哪些行包含超过 5% 的 NA），然后删除这些行。我不知道该怎么做。我试过了
snpsum.col <- col.summary(results)
library(snpStats)
call <- 0.95
use <- with(snpsum.col, (!is.na(Call.rate) & Call.rate >= call))
use[is.na(use)] <- FALSE
cat(ncol(results)-sum(use),"SNPs will be removed due to low call
rate.\n")
genotype <- genotype[,use]
snpsum.col <- snpsum.col[use,]
但我得到了错误
Error in col.summary(results) : not a SnpMatrix object
还有其他方法可以做到这一点吗？
【问题讨论】：
-
这不就是
results[rowSums(is.na(results)) < (ncol(results) * .05), ]吗？您用于删除完全由NA填充的行的代码也非常低效且不必要。只需使用na.omit或complete.cases -
@DavidArenburg 如果我这样做，有没有办法查看哪些行（或多少行）已被删除？
-
which(rowSums(is.na(results)) > (ncol(results) * .05))。如果您想知道“有多少”，或者将其包装成sum。有关问题的第一部分，请参阅this -
谢谢@DavidArenburg。所以只是澄清一下，我知道这非常愚蠢，但我对 R 很陌生，所以请多多包涵，我只是想确保我理解。如果我执行 newresults = results[rowSums(is.na(results)) (ncol(results) * .05)) 我得到的答案是我刚刚删除了多少行？
-
顺便说一句，如果您删除行，您也可以跳过第一部分。因为如果你删除了至少有 5% 缺失数据的所有行，那么显然也将删除所有缺失数据的行。因此，您可以在一行中完成所有事情，而不是上面写的整个过程。