在 R 中对多个数据帧进行排序并对其求和

Question

我有 10 个数据帧，每个数据帧有 2 列，我将数据帧称为 a、b、c、d、e、f、g、h、i 和 j。

对于序列，每个数据帧中的第一列称为 s，对于每个序列对应的 p 值，第二列称为 p。 s 列包含所有 10 个数据帧的相同序列，本质上唯一的区别在于 p 值。 下面是数据框 a 的简短版本，有 600,000 行。

s       p
gtcg    0.06
gtcgg   0.05
gggaa   0.07
cttg    0.05

我想按 p 值对每个数据帧进行排名，最小的 p 值应该得到 1 的等级，相等的 p 值应该得到相同的等级。每个最终数据帧应采用以下格式：

    s       p_rank_a
    gtcg    2
    gtcgg   1
    gggaa   3
    cttg    1

我用这个来做一个：

r

cbind(a$s,r)

但我对循环不是很熟悉，也不知道如何自动执行此操作。最终，我想要一个具有 s 列的最终文件，在下一列中是每个特定序列的所有数据帧中所有等级的等级总和。 所以基本上是这样的：

s       ranksum_P_a-j
gtcg    34
gtcgg   5
gggaa   5009093
cttg    499

请帮忙，谢谢！

Answer 1

我会将所有data.frames 放入list，然后使用lapply 和transform，如下所示：

my_l <- list(a,b,c) # all your data.frames
# you can use rank but it'll give you the average in case of ties
# lapply(my_l, function(x) transform(x, rank_p = rank(p)))

# I prefer this method instead
my_o <- lapply(my_l, function(x) transform(x, p = as.numeric(factor(p))))

# now bind them in to a single data.frame
my_o <- do.call(rbind, my_o)

# now paste them
aggregate(data = my_o, p ~ s, function(x) paste(x, collapse=","))

#       s     p
# 1  cttg 1,1,1
# 2 gggaa 3,3,3
# 3  gtcg 2,2,2
# 4 gtcgg 1,1,1

编辑，因为您要求提供一种可能更快的解决方案（由于数据量大），我建议像@Ricardo 一样，使用data.table 解决方案：

require(data.table)
# bind all your data.frames together
dt <- rbindlist(my_l) # my_l is your list of data.frames

# replace p-value with their "rank"
dt[, p := as.numeric(factor(p))]

# set key
setkey(dt, "s")

# combine them using `,`
dt[, list(p_ranks = paste(p, collapse=",")), by=s]

试试这个：

Answer 2

对于单个 data.frame，您可以一行完成，如下所示：
感谢@Arun 指出使用as.numeric(factor(p))

library(data.table)
aDT <- data.table(a)[, p_rank := as.numeric(factor(p))]

我建议将所有 data.frames 保存在一个列表中，以便您可以轻松地迭代它们。 由于您的 date.frames 是字母，因此很容易收集其中的十个：

# collect them all
allOfThem <- lapply(letters[1:10], get, envir=.GlobalEnv)   
# keep in mind you named an object `c`

# convert to DT and create the ranks
allOfThem <- lapply(allOfThem, function(x) data.table(x)[, p_rank := as.numeric(factor(p))])

---

另外说明：开始避免在R 中命名对象“c”和其他常用函数可能是一个好习惯。否则，你会发现你会开始遇到许多“无法解释”的行为，在你击败你的 碰壁了一个小时试图调试它，你意识到你已经覆盖了一个函数的名称。 这从未发生在我身上:)