R - 如果我在矩阵中有字符串及其因子级别，如何获取字符串频率的向量答案

【问题标题】：R - how to get vector of strings frequency if i have strings in matrix and their factor levelsR - 如果我在矩阵中有字符串及其因子级别，如何获取字符串频率的向量
【发布时间】：2014-07-28 10:01:16
【问题描述】：

我有很多字符串（DNA 读取的几个 k-mers）。它存储在 R 语言矩阵（或数组？）中，f.e.：

allKmers <- character()
allKmers <- c(allKmers,c("ACG", "CGT", "GTA", "TAC")) # V1
allKmers <- c(allKmers,c("GTA", "TAC", "ACG", "CGC")) # V2
allKmers <- c(allKmers,c("TAA", "AAT", "ATA", "TAA")) # V3
arrayKmers <- array(allKmers, dim = c(4,3), dimnames = NULL) # this is it!

然后我可以从因子中获得所有独特的水平：

levels(as.factor(arrayKmers))
[1] "AAT" "ACG" "ATA" "CGC" "CGT" "GTA" "TAA" "TAC"

你看到了吗？ 8 级。

然后我想得到 3 个具有 8 个值的向量，对应于在 V1、V2 和 V3 中满足此级别的频率，例如：

< 0, 1, 0, 0, 1, 1, 0, 1 > # V1 
< 0, 1, 0, 1, 0, 1, 0, 1 > # V2 
< 2, 0, 1, 0, 0, 0, 1, 0 > # V3

有没有什么简单的方法可以得到这个向量？可能是一些不错的功能？我可以手动编码，但您可能知道一些更好的工具吗？然后我会计算 dist 矩阵，做聚类，blablabla。

【问题讨论】：

标签： r vector matrix cluster-analysis frequency

【解决方案1】：

您可以将 V1、V2 等与独特的关卡进行匹配，然后将结果制成表格。

uKmers <- levels(as.factor(arrayKmers))
freqKmers <- apply(arrayKmers, 2, function(x){
  tabulate(match(x, uKmers), length(uKmers))
}
)

> t(freqKmers)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,]    0    1    0    0    1    1    0    1
[2,]    0    1    0    1    0    1    0    1
[3,]    1    0    1    0    0    0    2    0

【讨论】：

【解决方案2】：

这是一种方法：

library(qdapTools)
mtabulate(split(t(data.frame(arrayKmers)), 1:3))

##   AAT ACG ATA CGC CGT GTA TAA TAC
## 1   0   1   0   0   1   1   0   1
## 2   0   1   0   1   0   1   0   1
## 3   1   0   1   0   0   0   2   0

【讨论】：