用 2 个数据框聚合列答案

【问题标题】：aggregate columns with 2 data frames用 2 个数据框聚合列
【发布时间】：2021-04-08 13:22:14
【问题描述】：

我正在尝试使用 R（data.table？）在特定条件下聚合多个列... 我有一个数据框 df1，其列 12:262 包含每个样本（行）的物种丰度（每列）

sample species1  species2
sample1    1    21
sample2   47    36
sample3    8    32

在另一个数据框 df2 中，我有每个物种（行）的门、属等。

species phylum  genus
species1    X    A
species2    Y    B

我想汇总 df1 中物种属于同一门的所有列（在 df2 中定义）... 这有意义吗？

谢谢！

【问题讨论】：

您能否根据您的示例阐明最终输出的外观？例如，您是否想要每个phylum 的所有物种/样本的总数/丰度？此外，您提到 data.table 时带有问号，并带有标签 - 您更喜欢 data.table 解决方案吗？

标签： r data.table

【解决方案1】：

data.table 版本

library(data.table)
dt1 <- data.table(
  sample = c("sample1", "sample2", "sample3"),
  species1 = c(1, 47, 8),
  species2 = c(21, 36, 32))

dt2 <- data.table(
  species = c("species1", "species2"),
  phylum = c("X", "Y"),
  genus = c("A", "B")
)

# long format 
dt1_long <-
  melt(
    dt1,
    id.vars = 'sample',
    variable.name = "species",
    value.name = "abundence"
  )
# join and group
dt1_long[dt2,on = "species",by = "phylum"]

【讨论】：

【解决方案2】：

首先要做的是重塑df1。如果将数据从“宽”格式转换为“长”格式，每个样本将有多行。然后，您可以将其与 species 变量的第二个数据集合并。从这里开始，您还没有详细说明您希望如何聚合数据，但我提供了两个简单的示例。您应该能够轻松地调整聚合代码以包含您需要的任何内容。

library(tidyr)
library(dplyr)

df1 <- data.frame(
  sample = c("sample1", "sample2", "sample3"),
  species1 = c(1, 47, 8),
  species2 = c(21, 36, 32))

df2 <- data.frame(
  species = c("species1", "species2"),
  phylum = c("X", "Y"),
  genus = c("A", "B")
)

df1_long <- tidyr::pivot_longer(df1, starts_with("species"),
                                names_to = "species", values_to = "abundance")

df3 <- dplyr::left_join(df1_long, df2, by = "species")

df3 %>% 
  group_by(phylum) %>% 
  summarize(total_abundance = sum(abundance), 
            avg_abundance = mean(abundance))

【讨论】：