使用 dplyr 或 tidyverse 重新编码因子水平

Question

我有一张表格，其中包含不同基因组位点的 3 个风险等位基因水平。最终，我需要为这个表设置一个关键，以识别大量样本中受风险状态影响的不同等位基因的流行程度。我目前有以下风险表的示例：

genomic.stuff <- data.frame(c("A A", "A G", "G A", "G G"), c("T T", "C T", "T C", "C C"),
                        row.names= c("Risk Level 1", "Risk Level 2", "Risk Level 3", "Risk Level 4"),
                        stringsAsFactors = TRUE)
colnames(genomic.stuff) <- c("Gene A", "Gene B")

genomic.stuff
             Gene A Gene B
Risk Level 1    A A    T T
Risk Level 2    A G    C T
Risk Level 3    G A    T C
Risk Level 4    G G    C C

str(genomic.stuff)
'data.frame':   4 obs. of  2 variables:
 $ Gene A: Factor w/ 4 levels "A A","A G","G A",..: 1 2 3 4
 $ Gene B: Factor w/ 4 levels "C C","C T","T C",..: 4 2 3 1

所以我想用这个数据框做两件事。请记住，我有一个包含许多基因的大型映射文件，所以如果这可以在 dplyr 或 tidyverse 中的整个表中完成，那将（我认为？）是最好的。

1) 我想对因素进行重新分级，以便它们根据风险状态排名，而不是根据字母顺序自动分级（数据框已经存在，所以我认为我不能在数据框构造）

2) 我想重新分配因子级别，使得风险级别 1 = 1，风险级别 2 | 3 = 2，风险等级 4=3。

非常感谢大家的帮助！

Answer 1

您需要创建Risk Level numeric 并按如下方式重新排序：

编辑：您可以选择重新分类风险等级。

 library(tidyverse)
genomic.stuff <- data.frame(c("A A", "A G", "G A", "G G"), c("T T", "C T", "T C", "C C"),
                            row.names= c("Risk Level 1", "Risk Level 2", "Risk Level 3", "Risk Level 4"),
                            stringsAsFactors = TRUE)
colnames(genomic.stuff) <- c("Gene A", "Gene B")

    new_genome<-genomic.stuff %>% 
      mutate(RiskLevel=as.factor(c(1,2,3,4))) %>% 
      mutate(RiskLevel=as.numeric(c(1,2,2,4)),`Gene A`=fct_reorder(`Gene A`,RiskLevel),
             `Gene B`=fct_reorder(`Gene B`,RiskLevel)) 
    levels(new_genome$RiskLevel)
    levels(as.factor(new_genome$RiskLevel))