如何使用 apply() 对特定列的数据矩阵进行规范化答案

【问题标题】：How to use apply() to normalize datamatrix with respect to specific columns如何使用 apply() 对特定列的数据矩阵进行规范化
【发布时间】：2020-01-20 10:44:43
【问题描述】：

我正在尝试根据我的控件（R247、R235、R241）对矩阵中的值进行标准化。

我的coldata 是：

        Condition  Tank
R235      Control    T6
R236  LowExposure    T6
R239 HighExposure    T6
R241      Control    T8
R242  LowExposure    T8
R245 HighExposure    T8
R247      Control T14_3
R248  LowExposure T14_3
R250 HighExposure T14_3

还有我的矩阵mydata：

                       R235      R236      R239      R241      R242      R245     R247      R248      R250
ENSDARG00000033160 11.91873 10.899929 10.831388 12.092478 11.564555 10.908011 11.67680 11.168115 10.414632
ENSDARG00000013522 12.39036 11.692673 11.439107 12.440952 11.841307 11.118888 12.13594 11.634806 11.336330
ENSDARG00000103295 10.54697 10.004169  8.753556 10.659075  9.980232  8.511240 11.11711 10.690518  9.240825
ENSDARG00000056765  9.18106  8.488917  7.431641  9.440119  8.830816  7.901337 10.39879  9.899546  8.142807
ENSDARG00000087303 11.07447 10.765197 11.682291 11.010172 10.380666 11.487207 11.05384 10.526109 11.962465
ENSDARG00000018478 11.51562 11.000702 10.382845 11.597848 11.218944 10.185381 11.61043 11.214280 10.614338

我通过以下方式提取对照样本：

x <- which(coldata$Condition %in% "Control")
control <- row.names(coldata[x,])

类似于 z-score 转换我想使用均值和 sd 但仅来自对照组来转换数据集，例如 (x - mean[control]) / sd[control]类似于：

function(x){
(x - rowMeans[,control])/apply(matrix[,control],1,sd)
}

然后使用apply() 在mydata 上运行它，例如：apply(mydata, 1, function(x)) 但我不知道如何正确地将其编写为可以通过应用使用的函数。非常感谢任何帮助。谢谢！

【问题讨论】：

标签： r apply data-manipulation datamatrix

【解决方案1】：

或许你可以试试下面的代码

ctr<-c(mydata[,control])
mydata <- (mydata - mean(ctr))/sd(ctr)

这样

> mydata
                         R235       R236       R239       R241         R242       R245       R247
ENSDARG00000033160  0.7649126 -0.3416566 -0.4161023  0.9536287  0.380225962 -0.3328783  0.5021407
ENSDARG00000013522  1.2771728  0.5193811  0.2439708  1.3321233  0.680819738 -0.1038346  1.0008349
ENSDARG00000103295 -0.7250225 -1.3145850 -2.6729365 -0.6032598 -1.340584125 -2.9361276 -0.1057658
ENSDARG00000056765 -2.2086036 -2.9603737 -4.1087325 -1.9272271 -2.589020615 -3.5985729 -0.8859680
ENSDARG00000087303 -0.1520791 -0.4879955  0.5081047 -0.2219163 -0.905653327  0.2962145 -0.1744864
ENSDARG00000018478  0.3270753 -0.2322021 -0.9032866  0.4163871  0.004841085 -1.1177618  0.4300530
                            R248       R250
ENSDARG00000033160 -0.0503667586 -0.8687612
ENSDARG00000013522  0.4565289817  0.1323397
ENSDARG00000103295 -0.5691080347 -2.1436899
ENSDARG00000056765 -1.4282211043 -3.3363006
ENSDARG00000087303 -0.7476806273  0.8124153
ENSDARG00000018478 -0.0002247121 -0.6518508

数据

 coldata <- structure(list(Condition = c("Control", "LowExposure", "HighExposure", 
"Control", "LowExposure", "HighExposure", "Control", "LowExposure", 
"HighExposure"), Tank = c("T6", "T6", "T6", "T8", "T8", "T8", 
"T14_3", "T14_3", "T14_3")), class = "data.frame", row.names = c("R235", 
"R236", "R239", "R241", "R242", "R245", "R247", "R248", "R250"
))

mydata <- structure(c(0.764912614946124, 1.27717284283513, -0.725022482925137, 
-2.20860361193701, -0.152079137057719, 0.327075283851119, -0.341656586405671, 
0.519381138288775, -1.31458498734254, -2.96037370907202, -0.487995549202655, 
-0.232202141300273, -0.416102292318654, 0.243970801913007, -2.67293645010139, 
-4.10873247484514, 0.508104744323286, -0.90328660925782, 0.95362874851536, 
1.3321232689093, -0.603259802757428, -1.92722706172457, -0.221916314787733, 
0.416387104598013, 0.380225961822725, 0.680819737852109, -1.34058412453691, 
-2.58902061521661, -0.905653326889375, 0.00484108465005354, -0.332878334043016, 
-0.103834591964374, -2.93612761559372, -3.59857285819956, 0.296214545867932, 
-1.11776184119785, 0.502140702783651, 1.00083493562074, -0.105765764038217, 
-0.885967971059041, -0.174486381086619, 0.430053025314037, -0.0503667586240605, 
0.456528981709989, -0.569108034749636, -1.42822110426138, -0.747680627262844, 
-0.000224712061085116, -0.868761206158128, 0.132339715167575, 
-2.14368994546163, -3.33630057435765, 0.812415320598279, -0.651850829229599
), .Dim = c(6L, 9L), .Dimnames = list(c("ENSDARG00000033160", 
"ENSDARG00000013522", "ENSDARG00000103295", "ENSDARG00000056765", 
"ENSDARG00000087303", "ENSDARG00000018478"), c("R235", "R236", 
"R239", "R241", "R242", "R245", "R247", "R248", "R250")))

【讨论】：

嗨，ThomasIsCoding，抱歉，我可能不清楚。我希望根据控制样本的平均值和标准差来缩放所有值（控制组和非控制组），这需要每行完成。 scale()据我所知，仅适用于列。但它朝着正确的方向发展。
我知道你在那里做什么。刚刚尝试了代码，但它给了我这个错误：Error in var(if (is.vector(x) || is.factor(x)) x else as.double(x), na.rm = na.rm) : is.atomic(x) is not TRUE
@han5000 我没有关于您的数据类型的信息。您可以使用我的答案中的数据尝试代码
@han5000 太好了，你用自己的方式整理出来
@ThomasIsCoding 您的代码中的问题似乎是您正在创建一个向量而不是将其保留为矩阵ctr<- mydata[,control] 然后根据OP的回答，应该有rowMeans/rowSds library(matrixStats);(mydata - rowMeans(ctr))/rowSds(ctr)

【解决方案2】：

@ThomasIsCoding 非常感谢您的帮助！我通过以下方式解决了它：

ctrM <- apply(mydata[,control], 1, FUN = mean)
Sd <- apply(mydata, 1, FUN = sd)
new <- (mydata - ctrM)/Sd #centering around ctrM and scaling with Sd

抱歉，我没有提供有关我的数据结构的信息，但现在可以使用了：) 我还意识到，为了缩放行，我需要将整体 Sd 用于整行，而不仅仅是平均值。因此，我以行的 Sd 的控制和比例的平均值为中心。现在就可以了。

【讨论】：