使用因子对染色体名称进行排序答案

【问题标题】：Sort chromosome names using factor使用因子对染色体名称进行排序
【发布时间】：2019-12-16 23:16:57
【问题描述】：

我有两个数据框，每个都有两列 - 染色体名称和我想按时间顺序绘制的那个染色体的计数。但是，如果根本不计算某些染色体，我就会遇到问题。以下是我的数据的一个小样本：

df1$chrom
chr1 chr10 chr3 chr4 chr5
df1$count
1 2 1 4 5

和

df2$chrom
chr1 chr10 chr3 chr5
df2$count
1 4 3 1

为了按时间顺序排列，我使用因子

chrOrder <-c(paste0("chr",1:22),"chrX","chrY")
df1$chrom <- factor(df2_8$Chromosome, chrOrder, ordered=TRUE)
df1<- df1[do.call(order, df1[, c("chrom ", "count")]), ]

df1 给了我

df1$chrom
chr1 chr3 chr4 chr5 chr10
df1$count
1 1 4 5 2

它也适用于第二个数据帧。

但是为了有效地绘制它们，我需要第二个数据框包含一个 0 表示 4 号染色体，该数据未计入此数据。

df2$chrom
chr1 chr3 chr4 chr5 chr10
df2$count
1 3 0 1 4

我尝试使用因子添加 NA，然后将其替换为 0，使用 addNA，但它不起作用。有人可以帮我吗？谢谢你。

我的问题类似于sort by chromosome name，但我不确定如何解决问题的具体部分。

【问题讨论】：

标签： r sorting na

【解决方案1】：

您可以使用tidyr::complete 来获取df1 中缺少的chrom 值

df3 <- tidyr::complete(df2, chrom = factor(chrom, levels = levels(df1$chrom)), 
                fill = list(count = 0))

# chrom count
#  <chr> <dbl>
#1 chr1      1
#2 chr10     4
#3 chr3      3
#4 chr4      0
#5 chr5      1

我们可以使用gtools::mixedorder对它们进行排序

df3[gtools::mixedorder(df3$chrom), ]

# chrom count
#  <chr> <dbl>
#1 chr1      1
#2 chr3      3
#3 chr4      0
#4 chr5      1
#5 chr10     4

或者定制一些东西

df3[order(as.integer(gsub("[^0-9]", "", df3$chrom))), ]

【讨论】：