如何根据另一列的组内的最大值选择列内容。根据每个基因的最大值选择标记名称答案

【问题标题】：How to select column content based on max value within groups of another column. Select marker name based of maximun value for each gene如何根据另一列的组内的最大值选择列内容。根据每个基因的最大值选择标记名称
【发布时间】：2020-06-04 19:54:07
【问题描述】：

我有以下df：

Gene pval  Marker
A      0.12     M1
A      0.11     M2
B      0.33     M3
B      0.55     M4
B      0.06     M5
D      0.03     M7
D      0.04     M8

我想根据每个基因的最大 pvalue 来获取标记名称。我尝试过的：

peak_marker <-df[which.max(df[,2]),3]

但结果是整个数据框中 pvalue 最高的标记名称，而不是每个基因 pval 最高的标记名称。

我也试过了，但没有成功：

aggregate(df$pval, by = list(df$Gene), which.max)

【问题讨论】：

标签： r dataframe statistics max aggregate

【解决方案1】：

实际上你很接近aggregate，但你可能需要merge的一些额外帮助。

这是一个基本的 R 解决方案，其中使用了 aggregate + merge，即，

dfout <- merge(aggregate(pval~Gene,df,max),df,all.x = T)

这样

> dfout
  Gene pval Marker
1    A 0.12     M1
2    B 0.55     M4
3    D 0.04     M8

数据

df <- structure(list(Gene = c("A", "A", "B", "B", "B", "D", "D"), pval = c(0.12, 
0.11, 0.33, 0.55, 0.06, 0.03, 0.04), Marker = c("M1", "M2", "M3", 
"M4", "M5", "M7", "M8")), class = "data.frame", row.names = c(NA, 
-7L))

【讨论】：

【解决方案2】：

这里是使用base 和data.table 的解决方案！

读入数据：

library(data.table)
df = fread("Gene pval  Marker
A      0.12     M1
A      0.11     M2
B      0.33     M3
B      0.55     M4
B      0.06     M5
D      0.03     M7
D      0.04     M8")
setDF(df)

对于base，我们基本上将遍历Gene 的每个唯一值并手动对数据进行子集化

sapply(unique(df[,'Gene']), FUN = function(g) {
    d = df[df$Gene == g,]
    d[which.max(d[,2]),3]
})
#>    A    B    D 
#> "M1" "M4" "M8"

使用data.table，我们可以使用by 参数将数据分成组，然后使用.SD（它是数据的子集）访问组内的部分数据

setDT(df)
df[,.SD[order(-pval)][1,Marker], by = Gene]
#>    Gene V1
#> 1:    A M1
#> 2:    B M4
#> 3:    D M8

【讨论】：

【解决方案3】：

使用dplyr的解决方案：

library(dplyr)
df %>% 
  group_by(Gene) %>% 
  filter(val == max(val))

  # A tibble: 3 x 3
  # Groups:   Gene [3]
    Gene    val Marker
    <chr> <dbl> <chr> 
  1 A      0.12 M1    
  2 B      0.55 M4    
  3 D      0.04 M8

或者，如果我们想摆脱分组：

  df %>% 
    group_by(Gene) %>% 
    filter(val == max(val)) %>% 
    ungroup()

【讨论】：