如何根据行的相似性对数据帧进行排序和排序

Question

df 
     Beginning1 Protein2 Protein3 Protein4 Biomarker1 
Pathway3  A   G   NA   NA   F 
Pathway6  A   G   NA   NA   E 
Pathway1  A   B   C   D    F 
Pathway2  A   B   H   NA   F 
Pathway4  A   B   C   D    E 
Pathway5  A   B   H   NA   F 

我想重新排列上面的数据框（df），以便在它们的蛋白质路径中共享最大相似性的路径（又名最大相似性在列2：4中）被排序为彼此相邻。

更清楚，我想输出看起来像这样：

newdf 
     Beginning1 Protein2 Protein3 Protein4 Biomarker1 
Pathway6  A   G   NA   NA   E 
Pathway3  A   G   NA   NA   F 
Pathway5  A   B   H   NA   E 
Pathway2  A   B   H   NA   F 
Pathway4  A   B   C   D    E 
Pathway1  A   B   C   D    F 

一个人怎么会去这样做呢？我已经尝试过包括独特（df）在内的各种变体，但目前为止还没有任何工作。

此外，虽然按非NA字符的数量排序可用于此数据集，但我将分析的实际数据集将具有数百个具有相同步骤数量的路径。

Answer 1

试试这个（顺便说一句：在Biomarker1栏，你输入和输出错过匹配，我纠正我的理解，以获得您想要的输出输入df基地）

df[is.na(df)]='' 
df$ALL <- do.call(paste0, df[,2:4]) 
df=df[order(rev(df$ALL),rev(df$Biomarker1)),] 
df[df=='']=NA 
df$ALL=NULL 
     Beginning1 Protein2 Protein3 Protein4 Biomarker1 
Pathway6   A  G  <NA>  <NA>   E 
Pathway3   A  G  <NA>  <NA>   F 
Pathway2   A  B  H  <NA>   E 
Pathway5   A  B  H  <NA>   F 
Pathway4   A  B  C  D   E 
Pathway1   A  B  C  D   F 

输入

df

**

#    Beginning1 Protein2 Protein3 Protein4 Biomarker1 
# Pathway3   A  G  <NA>  <NA>   F 
# Pathway6   A  G  <NA>  <NA>   E 
# Pathway1   A  B  C  D   F 
# Pathway2   A  B  H  <NA>   E 
# Pathway4   A  B  C  D   E 
# Pathway5   A  B  H  <NA>   F 

**

Answer 2

使用dplyr包中的arrange。它会根据一列或多列对数据框进行排序。您可以使用desc在降序排序，在你的岗位要求：

> dplyr::arrange(df, desc(Protein2), desc(Protein3), desc(Protein4)) 

    Beginning1 Protein2 Protein3 Protein4 Biomarker1 
1   A  G  <NA>  <NA>   F 
2   A  G  <NA>  <NA>   E 
3   A  B  H  <NA>   F 
4   A  B  H  <NA>   F 
5   A  B  C  D   F 
6   A  B  C  D   E 

注意dplyr操作不保留rownames，因为他们遵循哈德利韦翰的Tidy data definition（简言之，rownames是不可取的，因为R他们希望是独一无二的）。您可以使用rownames_to_column从tibble包，让您的途径标识符的轨迹：

> tibble::rownames_to_column(df, "Pathway") %>% 
     dplyr::arrange(desc(Protein2), desc(Protein3), desc(Protein4)) 

    Pathway Beginning1 Protein2 Protein3 Protein4 Biomarker1 
1 Pathway3   A  G  <NA>  <NA>   F 
2 Pathway6   A  G  <NA>  <NA>   E 
3 Pathway2   A  B  H  <NA>   F 
4 Pathway5   A  B  H  <NA>   F 
5 Pathway1   A  B  C  D   F 
6 Pathway4   A  B  C  D   E 

有同等tibble::column_to_rownames如果你需要把rownames回来，但一般最好不要。