dplyr::mutate() return "Ops.factor(gene_id$symbol, x) 中的错误：因子的水平集不同"

Question

我的数据

gene_list <- data.frame(mouse_gene = c("Ccnb1", "Cdk1", "Cdh3", "Cdkn1c"),
                    human_gene = c("SLCO2B1", "PPP1R3C", "MMP13", "CLEC6A"))

gene_id <- data.frame(gene_id = c("23334", "100001", "12341236", "34553433", "22998", "123121213"),
                  symbol = c("SLCO2B1", "PPP1R3C", "FX-232", "MMP13", "CLEC6A", "CSCCD"))

我想在gene_list中添加一列可以找到human_gene对应的gene_id，所以我定义了一个函数

find_geneID <- function(x){
      ID <- gene_id[which(gene_id$symbol == x),1]
      return(ID)
}

然后我使用 dplyr::mutate

gene_list <- gene_list %>% mutate(find_geneID(human_gene))

但是，我得到了回报

Error in Ops.factor(gene_id$symbol, x) : level sets of factors are different

我知道在这种情况下我可以使用 join。但是，我想知道如果我需要在 dplyr::mutate 中使用函数，我应该怎么做。

另外，有时当我想在一列中使用一个值，输入一个函数，然后放入一个新列中，我会得到

Column `new_column` must be length 568 (the number of rows) or one, not 2

谁能告诉我原因？谢谢

Answer 1

而不是==，使用match 来获取索引，因为== 进行元素比较，如果两个数据集的行数不同，它会在length 中产生问题，即它正在比较第1 行first 到 row1 on second, row2 -> row2, row3 -> row3 并且值可以在列中的任何位置，当我们这样做时可能会错过==

find_geneID <- function(x) {gene_id$gene_id[match(gene_list[[x]], gene_id$symbol)]}
gene_list %>% 
       mutate(gene_id = find_geneID('human_gene'))
#  mouse_gene human_gene  gene_id
#1      Ccnb1    SLCO2B1    23334
#2       Cdk1    PPP1R3C   100001
#3       Cdh3      MMP13 34553433
#4     Cdkn1c     CLEC6A    22998

另外，在构造数据集时使用stringsAsFactors = FALSE 确保列是character 类而不是factor

---

只要加入就可以轻松搞定

left_join(gene_list, gene_id, by = c('human_gene' = 'symbol'))
#  mouse_gene human_gene  gene_id
#1      Ccnb1    SLCO2B1    23334
#2       Cdk1    PPP1R3C   100001
#3       Cdh3      MMP13 34553433
#4     Cdkn1c     CLEC6A    22998

数据

gene_list <- data.frame(mouse_gene = c("Ccnb1", "Cdk1", "Cdh3", "Cdkn1c"),
                    human_gene = c("SLCO2B1", "PPP1R3C", "MMP13", "CLEC6A"),
                     stringsAsFactors = FALSE)

gene_id <- data.frame(gene_id = c("23334", "100001", "12341236", 
    "34553433", "22998", "123121213"),
                  symbol = c("SLCO2B1", "PPP1R3C", "FX-232", 
     "MMP13", "CLEC6A", "CSCCD"), stringsAsFactors = FALSE)