根据另一列的总和创建新列并绘制答案

【问题标题】：create new column based on sum of another column and plot根据另一列的总和创建新列并绘制
【发布时间】：2022-12-03 06:15:41
【问题描述】：

我有一个名为 data_frame 的大型数据框，其中包含 3 列 PRE、STATUS 和 CHR，如下所示：

PRE         STATUS   CHR
1_752566    GAINED   1
1_776546    LOST     1
1_832918    NA       1
1_842013    LOST     1
1_846864    GAINED   1
11_8122943  NA       11
11_8188699  GAINED   11
11_8321128  NA       11
23_95137734 NA       23
23_95146814 GAINED   23

从这里我想按数字对CHR 进行分组，然后找到每组的总和。如果可能的话，我想要一个新的数据表（我们称之为TOTAL），显示每个组号的总和，如下所示：

CHR      TOTAL_SUM
1        5
11       3
23       2

从这里我想创建另一个名为BY_STATUS的数据表，其中包含 3 列CHR、'SUM_GAINED'、'SUM_LOST'，其中'SUM_GAINED 是与'STATUS'输出'GAINED'和'相匹配的 CHR 的总和SUM_LOST' 是与 'STATUS' 输出 'LOST' 匹配的 CHR 的总和，如下所示：

CHR      SUM _GAINED    SUM_LOST
1        2              2
11       1              0
23       1              0

然后我会创建两个不同的情节：第一个图是数据表 TOTAL 以可视化每个数字的总和，其中我的 x 轴是 NUM，我的 y 轴是 SUM

第二个图是数据表BY_STATUS，根据SUM_GAINED和SUM_LOST可视化CHR中每个数字的不同频率，其中我的x轴是CHR，我的y轴都是@ 987654340@和SUM_LOST。也许是两个不同 y 轴的并排比较？

【问题讨论】：

标签： r dataframe ggplot2 datatable mutate

【解决方案1】：

我们可以将列转换为逻辑列，并在按“CHR”分组后计算（sum）GAINED 和 LOST 的 TRUE 值

library(dplyr)
df %>%
   group_by(CHR) %>%
   summarise(SUM_GAINED = sum(STATUS == "GAINED", na.rm = TRUE),
       SUM_LOST = sum(STATUS == "LOST", na.rm =TRUE))

-输出

# A tibble: 3 × 3
    CHR SUM_GAINED SUM_LOST
  <int>      <int>    <int>
1     1          2        2
2    11          1        0
3    23          1        0

或者使用pivot_wider

library(tidyr)
df %>% 
 drop_na() %>% 
 pivot_wider(id_cols = CHR, names_from = STATUS, 
  values_from = STATUS, values_fn = length, values_fill = 0)
# A tibble: 3 × 3
    CHR GAINED  LOST
  <int>  <int> <int>
1     1      2     2
2    11      1     0
3    23      1     0

对于绘图，最好使用ggplot将其设为长格式

library(ggplot2)
df %>%
  drop_na(STATUS) %>% 
  count(CHR, STATUS) %>%
  ggplot(aes(x = CHR, y = n, fill = STATUS)) + 
   geom_col(position="dodge")

【讨论】：