R重叠百分比

Question

我有大约25个数据表。现在我想在一些表格的第一列中找到重叠并提取它们。此外，我想知道有多少重叠，有多少百分比。输出应该是一个表格。这里有一个例子：

表1：

Gen   Estimate Std. Error p-Value 
1007_s_at -0.159699 0.07834  0.04265 
1053_at  -0.174647 0.064535  0.0098976 
121_at  0.1765678 0.05116854 0.0000657 

表2：

Gen  Estimate  Std. Error p-Value 
1494_f_at 0.2222467 0.0553653 0.0075838 
121_at  0.873683  0.00898737 0.0088378 
1316_at 0.098764  0.098456  0.048899 
1007_s_at 0.89723  0.5675389 0.00007865 

表3：

Gen  Estimate  Std.Error p-Value 
1007_s_at 0.0864567 0.8931278 0.005542 
121_at  0.2378590 0.0236586 0.00005667 
1494_f_at 0.4597023 0.9875357 0.0091234 

结果应该是：

Gen  
1007_s_at  
121_at 

Overlapping rate: 20%  

我试过foverlaps功能，但没有奏效。

我希望有人能帮忙。谢谢！

更新：

这将是合并所有表格的第一栏后，我的名单（这将是很长 - 约200.000行与46.000不同genes-的混合所以这只是一个简单的例子） ：

gene A 
gene B 
gene C 
gene D 
gene A 
gene E 
gene F 
gene A 
gene C 
gene A 
gene B 
gene D 
gene A 
gene E 
gene B 
gene A 
gene C 

因此，我们有6次基因A，3次基因B，3次基因C，2次基因d，2次基因E和只有1次基因E.共我们有17个基因。基因A的基因A为35％，基因B为18％，基因C为18％，基因D和基因E为12％，基因F为5％。这就是我正在寻找的。也许这并不困难，我想。

Answer 1

您可以使用duplicated()函数。

但首先你需要合并一个向量中的所有第一列的字符串。你只需要使用c()函数。如果您的表已经在一个列表中，或者在一个数据框中，则更容易。也许你也可以使用循环，你不需要写太多，这取决于你的对象的名称。如果我有一个最小的工作示例，这将是有用的。

merge.first <- c(table1[,1], table2[,1], table3[,1],....) 

比你搜索重复：

position.dup <- duplicated(merge.first) 

，以防万一你有两个以上的重复：

names(table(merge.first[position.dup]) 

您使用的sum()功能的重复计算次数：

sum(position.dup) 

而你如何计算百分比，我不明白你的意思。在你的例子中，你有两个重叠十行，占百分之二十而不是百分之二十八。所以我不幸地不知道你需要什么。

编辑： 现在我有同样的结果，像你这样的：

> merge.vector 
[1] "A" "B" "C" "D" "A" "E" "F" "A" "C" "A" "B" 
[12] "D" "A" "E" "B" "A" "C" 
> round((table(merge.vector)/length(merge.vector)) * 100) 
merge.vector 
A B C D E F 
35 18 18 12 12 6 

这行做你想要什么：

round((table(merge.vector)/length(merge.vector)) * 100)