基于数据框对大矩阵进行子集化答案

【问题标题】：Subset a large matrix based on a dataframe基于数据框对大矩阵进行子集化
【发布时间】：2019-03-08 07:06:36
【问题描述】：

我正在处理 R 中的一些基因组文件。我有一个大矩阵，其格式如下例所示，其中列是样本，行是基因（实际矩阵有 205 列和超过 22k 行。

          GSM1304852  GSM1304853 GSM1304854 GSM1304855
1007_s_at  2.3945368  2.27518369  2.1611630  1.9641833
1053_at    0.1051084  0.06160802  0.3421762  0.3593916
117_at    -0.4597124 -0.52310349 -0.4436059 -0.6370277
121_at     0.9333566  1.13180904  0.9975700  1.0079778

我还有一个格式如下例的数据框，其中geo_accession 与矩阵第一行中的 id 相同。

                    title geo_accession Age    Disease_State Gender  pH  PMI Race RIN      tissue
GSM1304852 bipolar_hip_10    GSM1304852  52 bipolar disorder      M 6.7 23.5    W 6.3 hippocampus
GSM1304853 bipolar_hip_11    GSM1304853  50 bipolar disorder      F 6.4 11.7    W 6.8 hippocampus
GSM1304854 bipolar_hip_12    GSM1304854  28 bipolar disorder      F 6.3 22.3    W 7.7 hippocampus
GSM1304855 bipolar_hip_13    GSM1304855  55 bipolar disorder      F 6.4 17.5    W 7.6 hippocampus
GSM1304856 bipolar_hip_14    GSM1304856  58 bipolar disorder      M 6.8 27.7    W 7.0 hippocampus
GSM1304857 bipolar_hip_15    GSM1304857  28 bipolar disorder      M 6.2 27.4    W 7.7 hippocampus

我需要对与某个组织相关联的矩阵中的所有列进行子集化（在完整的数据框中有 3 种组织），因此最后我需要有 3 个矩阵。

例如：从矩阵中我只想取与hippocampus相关的列：

matrix # an R matrix object
DataFrame # an R dataframe

DFhip <- DataFrame[ which(tissue == 'hippocampus',]
GSMlist <- DFhip$geo_accesion

MatrixHip <- matrix[GSMlist,] # I know this is the wrong syntax, it's just to let you understand

我对 R 比较陌生，不习惯子集矩阵。

【问题讨论】：

标签： r

【解决方案1】：

我不确定我是否理解您的问题，但如果您想为 ine 行子集数据框，只需使用：

    data1<-data[data[1] %in% c("GSM1304852","GSM1304855")]

on data[1] 是数据框中需要子集化的列数

【讨论】：

好的，例如：我想找到所有来自海马体的geo_accession，因此我过滤了我的数据框，只取了geo_accession 列。现在我想从矩阵中取出与过滤的实例匹配的所有列

【解决方案2】：

由于您的第一个矩阵中的列名与 geo_accession 相同，您可以直接使用后者来对列进行子集化：

hippocamups <- your_large_matrix[, your_dataframe$geo_accession[your_dataframe$tissue == "Hippocapmus"] ]

【讨论】：

【解决方案3】：

如果矩阵定义了列名，试试这个：

lapply(function(x) {
 matrix[, unique(df$geo_accession[df$tissue == x])]
}, x = unique(df$tissue))

Matrix 是你的矩阵，df 是你的数据框。

希望对你有帮助

【讨论】：

【解决方案4】：

感谢您的回答，他们对我帮助很大。一切都与他的两行代码一起工作：

hippocampus <- filter(GSMdata, tissue == 'hippocampus')$geo_accession
hippocampus <- data[, hippocamups]

【讨论】：