基于一列的重新编码数据帧 - 反向

前一段时间我问了这个问题（Recode dataframe based on one column），答案很完美。然而，现在我几乎想要做相反的事情。也就是说，我有一个（700k * 2000）0/1/2或NA。在一个单独的数据框中，我有两列（Ref和Obs）。 0对应于Ref的两个实例，1是Ref的一个实例和Obs的一个实例，2是两个Obs。为了澄清，数据片段：基于一列的重新编码数据帧 - 反向

Genotype File --- 
Ref Obs 
A G   
T C 
G C 
Ref <- c("A", "T", "G") 
Obs <- c("G", "C", "C") 

Current Data--- 
Sample.1  Sample.2 .... Sample.2000 
0    1    2 
0    0    0 
0    NA    1 

mat <- matrix(nrow=3, ncol=3) 
mat[,1] <- c(0,0,0) 
mat[,2] <- c(1,0,NA) 
mat[,3] <- c(2,0,1) 

Desired Data format--- 
Sample.1 Sample.1 Sample.2 Sample.2 Sample.2000 Sample.2000 
    A   A   A   G   G    G 
    T   T   T   T   T    T 
    G   G   0   0   G    C

我认为是对的。所需的数据格式有两列（空格分隔），每个样本。 0这种格式（生物信息学家在那里）缺少数据。

来源

2014-01-07 cianius

您能否为我们提供R对象？考虑使用'dput'。请参阅http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example关于如何制作可重现的示例。 –

我会使用dput，但基因型矩阵和支持数据帧都很大，在70万行，所以它只是一团糟。我可以手动把它放入。 – cianius

制作一个小5列，5行的例子。 –

最主要的假设：你的数据是3元帧，也就是说你想将您的映射应用于前3行，然后是下3个等等，我认为这对于DNA框架是有意义的。如果你想要一个滚动的3元素窗口，这将不起作用（但可以修改代码以使其工作）。这将适用于任意数量的列和任意数量的3行组：

# Make up a matrix with your properties (4 cols, 6 rows) 

col <- 4L 
frame <- 3L 
mat <- matrix(sample(c(0:2, NA_integer_), 2 * frame * col, replace=T), ncol=col) 

# Mapping data 

Ref <- c("A", "T", "G") 
Obs <- c("G", "C", "C") 
map.base <- cbind(Ref, Obs) 
num.to.let <- matrix(c(1, 1, 1, 2, 2, 2), byrow=T, ncol=2) # how many from each of ref obs 

# Function to map 0,1,2,NA to Ref/Obs 

re_map <- function(mat.small) { # 3 row matrices, with col columns 
    t(
    mapply(      # iterate through each row in matrix 
     function(vals, map, num.to.let) { 
     vals.2 <- unlist(lapply(vals, function(x) map[num.to.let[x + 1L, ]])) 
     ifelse(is.na(vals.2), 0, vals.2) 
     }, 
     vals=split(mat.small, row(mat.small)), # a row 
     map=split(map.base, row(map.base)),  # the mapping for that row 
     MoreArgs=list(num.to.let=num.to.let) # general conversion of number to Obs/Ref 
)) 
} 
# Split input data frame into 3 row matrices (assumes frame size 3), 
# and apply mapping function to each group 

mat.split <- split.data.frame(mat, sort(rep(1:(nrow(mat)/frame), frame))) 
mat.res <- do.call(rbind, lapply(mat.split, re_map)) 
colnames(mat.res) <- paste0("Sample.", rep(1:ncol(mat), each=2)) 
print(mat.res, quote=FALSE) 
# Sample.1 Sample.1 Sample.2 Sample.2 Sample.3 Sample.3 Sample.4 Sample.4 
# 1 G  G  A  G  G  G  G  G  
# 2 C  C  0  0  T  C  T  C  
# 3 0  0  G  C  G  G  G  G  
# 1 A  A  A  A  A  G  A  A  
# 2 C  C  C  C  T  C  C  C  
# 3 C  C  G  G  0  0  0  0

来源

2014-01-07 19:18:04 BrodieG

我不知道，但是这可能是你所需要的：

第一同样简单的数据

geno <- data.frame(Ref = c("A", "T", "G"), Obs = c("G", "C", "C")) 
data <- data.frame(s1 = c(0,0,0),s2 = c(1, 0, NA))

那么几个功能：

f <- function(i , x, geno){ 
    x <- x[i] 
    if(!is.na(x)){ 
    if (x == 0) {y <- geno[i , c(1,1)]} 
    if (x == 1) {y <- geno[i, c(1,2)]} 
    if (x == 2) {y <- geno[i, c(2,2)]} 
    } 
    else y <- c(0,0) 
    names(y) <- c("s1", "s2") 
    y 
} 

g <- function(x, geno){ 
Reduce(rbind, lapply(1:length(x), FUN = f , x = x, geno = geno)) 
}

的方式f（）是定义可能不是最优雅的，但它的工作

然后简单地运行它作为doble for循环一个lapply时尚

as.data.frame(Reduce(cbind, lapply(data , g , geno = geno)))

希望它有助于

来源

2014-01-07 17:48:55 Andrea

这是基于在你的答案样本数据的一种方法：

# create index 
idx <- lapply(data, function(x) cbind((x > 1) + 1, (x > 0) + 1)) 

# list of matrices 
lst <- lapply(idx, function(x) { 
    tmp <- apply(x, 2, function(y) geno[cbind(seq_along(y), y)]) 
    replace(tmp, is.na(tmp), 0) 
    }) 

# one data frame 
as.data.frame(lst) 

# s1.1 s1.2 s2.1 s2.2 
# 1 A A A G 
# 2 T T T T 
# 3 G G 0 0

来源

2014-01-07 19:00:54

基于一列的重新编码数据帧 - 反向

回答

相关问题