折叠一个数据框列表并与 R 中的另一个数据框列表组合答案

【问题标题】：Collapsing one list of dataframes and combining with another list of dataframes in R折叠一个数据框列表并与 R 中的另一个数据框列表组合
【发布时间】：2021-04-11 22:05:17
【问题描述】：

如何在 R 中处理两个具有多个数据帧的列表？示例数据：

set.seed(1)
set1 <- data.frame(NAME = paste("row_", 1:10, sep = ""),
                 SYMBOL = paste(c(sample(LETTERS, 10))),
                 SIGNIFICANT = sample(c("yes", "no"), 10, replace = TRUE))
set2 <- data.frame(NAME = paste("row_", 1:10, sep = ""),
               SYMBOL = paste(c(sample(LETTERS, 10))),
               SIGNIFICANT = sample(c("yes", "no"), 10, replace = TRUE))
set3 <- data.frame(NAME = paste("row_", 1:10, sep = ""),
                  SYMBOL = paste(c(sample(LETTERS, 10))),
                  SIGNIFICANT = sample(c("yes", "no"), 10, replace = TRUE))
set4 <- data.frame(NAME = paste("row_", 1:10, sep = ""),
                 SYMBOL = paste(c(sample(LETTERS, 10))),
                 SIGNIFICANT = sample(c("yes", "no"), 10, replace = TRUE))
files <- list(set1, set2, set3, set4)
names(files) <- paste("Set", 1:4, sep = "")
reports <- list(data.frame(SETS = c("Set1", "Set3"),
                        STATISTIC = runif(2)),
             data.frame(SETS = c("Set2", "Set4"),
                        STATISTIC = runif(2)))
names(reports) <- c("Report1", "Report2")

files 是一个列表，其中包含来自分析的许多元数据数据帧。

> files$Set1
     NAME SYMBOL SIGNIFICANT
1   row_1      Y          no
2   row_2      D          no
3   row_3      G          no
4   row_4      A         yes
5   row_5      B         yes
6   row_6      K         yes
7   row_7      N         yes
8   row_8      R         yes
9   row_9      W         yes
10 row_10      J         yes

reports 也是一个包含 2 个数据帧的列表，其中包含来自双向分析和相关统计数据的主要输出。

> reports$Report1
  SETS STATISTIC
1 Set1 0.4100841
2 Set3 0.8108702

请注意，files 列表中数据框的名称与reports 列表中数据框的第 2 列相对应。

我希望以特定方式折叠这些files 元数据。如果files$Set1$SIGNIFICANT == 'yes'，我想将相应的SYMBOL 附加到逗号分隔的字符串中。然后，我想将该字符串附加到reports 内的相应集合中。因此，我想要的输出如下：

> head(reports$Report1)
  SETS STATISTIC              SYMBOL
1 Set1 0.4100841 A, V, K, N, R, W, J
2 Set3 0.8108702          F, S, J, V

同样适用于Report2

对于这个例子来说手动操作很容易，但在我的实际项目中，length(files)=600

我正在尝试通过 for 循环解析它，但一直遇到错误。这是我当前的迭代

output <- data.frame()
for(i in 1:length(files)){
  for(j in 1:nrow(files[[i]])){
    if(files[j, 3] == "Yes"){
      output[i, 1]=i;
      output[i, 2]=paste0(i[,2], collapse = ", ")
    }
  }
}

还有我当前的错误：

Error in i[[j, 3]] : incorrect number of subscripts

我已经使用 R 大约 4 年了，如果我知道一件事，那就是人们经常避免像瘟疫这样的循环。我知道apply、lapply 等的一些变化可能会让生活变得轻松。

【问题讨论】：

标签： r list dataframe sorting

【解决方案1】：

这是类似于 MrFlick 的解决方案，但使用 subset、setNames 和不同的 lapply 调用，可能更容易阅读：

# get the characters with SIGNIFICANT equal to "yes"
all_symbs <- lapply(files, subset, SIGNIFICANT == "yes", SYMBOL, TRUE)
# create one data.frame with the above after concatenating
all_files <- setNames(stack(lapply(all_symbs, paste0, collapse = ", ")),
                      c("SYMBOL","SETS"))
# merge with reports
res <- lapply(reports, merge, y = all_files)
# the result
res
#R> $Report1
#R>   SETS STATISTIC              SYMBOL
#R> 1 Set1 0.4100841 A, B, K, N, R, W, J
#R> 2 Set3 0.8108702          F, S, J, V
#R> 
#R> $Report2
#R>   SETS STATISTIC           SYMBOL
#R> 1 Set2 0.6049333             B, F
#R> 2 Set4 0.6547239 W, Z, H, Q, D, M

您可以通过创建一个匿名函数而不是两个lapply(files, ...) 和lapply(all_symbs, ...) 调用来摆脱lapply 调用之一。

【讨论】：

【解决方案2】：

您可以使用sapply 迭代每个数据帧中的files 列表，仅保留SIGNIFICANT = 'yes' 值并将它们折叠成一个字符串。

data <- stack(sapply(files,function(x) toString(x$SYMBOL[x$SIGNIFICANT=='yes'])))

data
#               values  ind
#1 A, B, K, N, R, W, J Set1
#2                B, F Set2
#3          F, S, J, V Set3
#4    W, Z, H, Q, D, M Set4

然后您可以在merge data 与reports 中的每个dataframe。

result <- lapply(reports, function(x) merge(x,data, by.x = 'SETS', by.y = 'ind'))
result

#$Report1
#  SETS STATISTIC              values
#1 Set1 0.4100841 A, B, K, N, R, W, J
#2 Set3 0.8108702          F, S, J, V

#$Report2
#  SETS STATISTIC           values
#1 Set2 0.6049333             B, F
#2 Set4 0.6547239 W, Z, H, Q, D, M

【讨论】：

【解决方案3】：

我认为您可以分两步完成此操作，首先创建一个 data.frame，其中包含每个集合的重要符号。这里

sigset <- stack(lapply(files, function(x) paste(x$SYMBOL[x$SIGNIFICANT=="yes"], collapse=", ")))
names(sigset) <- c("SYMBOL","SETS")

我们使用lapply()来迭代文件列表，提取重要的符号可以将它们组合在一起，然后我们将列表堆叠到一个data.frame中以使其更易于使用。我们更改名称，以便它可以更轻松地合并列名称。然后我们可以将此列表与每个报告合并

output <- lapply(reports, function(x) merge(x, sigset))

【讨论】：