使用 R 中一个因子的值对多个值进行归一化

Question

我们有一些整洁的数据，包括处理（多个样本和对照）、时间点和测量值。我想通过除以控制变量中的相应时间点来标准化所有样本。

我知道如何对自己列中的每个值执行此操作，但无法弄清楚如何将gather mutate、sumamrise 等从tidyr 或dplyr 组合到以直接的方式做到这一点。

这是一个示例数据框定义：

structure(list(time = c(1, 2, 3, 1, 2, 3, 1, 2, 3), 
value = c(10, 20, 15, 100, 210, 180, 110, 180, 140), 
as.factor.treat. = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L), 
.Label = c("c", "t1", "t2"), class = "factor")), 
.Names = c("time", "value", "treat"), 
row.names = c(NA, -9L), class = "data.frame")

数据框如下所示：

time value   treat
   1    10      c
   2    20      c
   3    15      c
   1   100     t1
   2   210     t1
   3   180     t1
   1   110     t2
   2   180     t2
   3   140     t2

预期输出。相同，但 normvalue 列包含 c(1,1,1,10,10.5,12,11,9,9.333333)

我想使用 tidyverse 程序为每个治疗和时间点取出标准化的value 列...

Answer 1

如果您按time 分组（假设它是时间点的分组变量），那么我们可以在mutate 语句中使用括号符号来仅在组内搜索。我们可以使用它来访问每个组的控制值，然后将未归一化的值除以：

df %>%
    group_by(time) %>%
    mutate(value.norm = value / value[treat == 'c'])

# A tibble: 9 x 4
# Groups:   time [3]
   time value treat value.norm
  <dbl> <dbl> <fct>      <dbl>
1     1    10 c           1   
2     2    20 c           1   
3     3    15 c           1   
4     1   100 t1         10   
5     2   210 t1         10.5 
6     3   180 t1         12   
7     1   110 t2         11   
8     2   180 t2          9   
9     3   140 t2          9.33

所有这一切都是将每一行的值列除以具有相同时间值的对照样本的值。如您所见，它并不关心样本t1 是否缺少time == 1 的观察：

df <- structure(list(time = c(1, 2, 3, 2, 3, 1, 2, 3), 
                     value = c(10, 20, 15, 210, 180, 110, 180, 140), 
                     as.factor.treat. = structure(c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 3L), 
                                                  .Label = c("c", "t1", "t2"), class = "factor")), 
                .Names = c("time", "value", "treat"), 
                row.names = c(NA, -8L), class = "data.frame")

df %>%
    group_by(time) %>%
    mutate(value.norm = value / value[treat == 'c'])

# A tibble: 8 x 4
# Groups:   time [3]
   time value treat value.norm
  <dbl> <dbl> <fct>      <dbl>
1     1    10 c           1   
2     2    20 c           1   
3     3    15 c           1   
4     2   210 t1         10.5 
5     3   180 t1         12   
6     1   110 t2         11   
7     2   180 t2          9   
8     3   140 t2          9.33