【发布时间】:2020-08-11 11:03:38
【问题描述】:
我有一个包含很多行和至少 13 列的数据框。我需要将每一行与前一行进行比较,看看它在两列中是否完全相同,而在其余列中是否不同。
如果两列中的两行相等,我想将这些行放在一个新的数据框中。
这是我的数据框。
前三行有样本“Sample”,但只有两行,相同的“Gene”。第 7 行和第 8 行也有相同的样本和基因。
我想要一个新的 DATAFRAME,其中只有具有相同样本和相同基因的行。像这样:
我写了这段代码:
Vec_sample <- c()
Vec_genes <- c()
Vec_variants <- c()
Vec_chr <- c()
Vec_coordinate <- c()
Vec_aa <- c()
Vec_Rs <- c()
`%notin%` <- Negate(`%in%`)
for (row in 1:nrow(dataframe))
{
for (row_compare in 1:nrow(dataframe))
{
if ((dataframe$Gene[row] == dataframe$Gene[row_compare])
& (row != row_compare))
{
if ((dataframe$Sample[row] %notin% Vec_sample) &
(dataframe$Sample[row] == dataframe$Sample[row_compare]))
{
Vec_sample <- c(Vec_sample , dataframe$Sample[row])
Vec_sample <- c(Vec_sample , dataframe$Sample[row_compare])
Vec_genes <- c(Vec_genes, dataframe$Gene[row])
Vec_genes <- c(Vec_genes, dataframe$Gene[row_compare])
Vec_variants <- c(Vec_variants , dataframe$Variants[row])
Vec_variants <- c(Vec_variants , dataframe$Variants[row_compare])
Vec_chr <- c(Vec_chr , dataframe$Chr[row])
Vec_chr <- c(Vec_chr , dataframe$Chr[row_compare])
Vec_coordinate <- c(Vec_coordinate, dataframe$Coordinate[row])
Vec_coordinate <- c(Vec_coordinate, dataframe$Coordinate[row_compare])
Vec_aa <- c(Vec_aa , dataframe$aa[row])
Vec_aa <- c(Vec_aa , dataframe$aa[row_compare])
Vec_Rs <- c(Vec_Rs , dataframe$Rs[row])
Vec_Rs <- c(Vec_Rs , dataframe$Rs[row_compare])
}
}
}
}
最后,当循环结束时,我用结果创建一个数据框。
final_dataframe <- data.frame(Vec_sample, Vec_genes, Vec_variants, Vec_chr, Vec_coordinate, Vec_aa, Vec_Rs).
一切都在循环中重复,因为我需要一对相等的样本和基因(当然还有其余信息)。 我写了两个 for 循环,因为我想将实际基因与另一个进行比较。
问题?如果样本已经保存在向量“Vec_sample”中,如果有另一对具有相同样本,我的脚本将不会保存这对。 (例如样本14-043,首先会保存ALG9这对基因,但不会保存MNS1这对基因)。
这是我的错误的新数据框。
我放了这个例外,因为当我运行两个循环时,表格会被检查不止一次,它会保存基因对很多次,并且会重复。
对不起,如果我的语法或编程方式效率低下,我是从这个世界开始的,我并不是真正的专家。
我希望我已经很好地解释了自己。 提前非常感谢您
我提供输入数据。
structure(list(Sample = c("14-043", "14-043", "14-043", "14-043",
"14-043", "14-043", "14-077", "14-077", "13-340", "15-642", "15-642",
"15-642", "12-975"), Gene = c("ALG9", "ALG10B", "ALG9", "SLC5A9",
"MNS1", "MNS1", "ALG9", "ALG9", "GPI", "MNS1", "HK3", "MNS1",
"HK3"), Variant = c("T>T/G", "C>A/G", "C>C/G", "A>A/T", "A>T/T",
"C>C/T", "T>T/G", "C>C/G", "C>G/G", "A>T/T", "T>T/A", "C>C/T",
"T>T/A"), Chr = c(4, 4, 4, 13, 2, 2, 4, 4, 20, 2, 8, 2, 8), Coordinate = c(23410158,
3422351, 23410451, 2341043423, 324652341, 3246520, 23410158,
23410451, 234541, 324652341, 23412341, 3246520, 23412341), aa = c("Gly44Thr",
"His8Pro", "Ser44Thr", "Thr4Pro", "Ala45Ala", "Ala45Leu", "Gly44Thr",
"Ser44Thr", "Phe3Ala", "Ala45Ala", "Val34His", "Ala45Leu", "Val34His"
), Rs = c("rs1715919", "rs1734532413", "rs1732413", "rs173240",
"rs12305", "rs10356", "rs1715919", "rs1732413", "rs12342", "rs12305",
"rs9997", "rs10356", "rs9997")), row.names = c(NA, -13L), class = "data.frame")
【问题讨论】:
-
这绝对不是我们在 R 中执行此操作的方式。要比较行,您可以从
head(DF, -1) == tail(DF, -1)之类的内容开始。您不需要循环,您可以使用子集提取行。 -
请不要以图片形式提供数据。在您的答案中将其作为(格式化)文本提供。我们可以从图片中复制数据。
-
请您以文本而不是图像的形式提供数据。最好使用
dput(dataframe)方便导入 -
为什么不包括第 1 行和第 2 行?他们有相同的样本和基因,不是吗?
-
@Roland 很抱歉。我无法附上图片,只能附上链接,因为我是新来的。
标签: r dataframe compare rows bioinformatics