使用 dplyr 代替 apply

Question

我有这样的表（但列数可以不同，我有很多对 ref_* + alt_*）：

+--------+-------+-------+-------+-------+
| GeneID | ref_a | alt_a | ref_b | alt_b |
+--------+-------+-------+-------+-------+
|   a1   |   0   |   1   |   1   |   3   |
|   a2   |   1   |   1   |   7   |   8   |
|   a3   |   0   |   1   |   1   |   3   |
|   a4   |   0   |   1   |   1   |   3   |
+--------+-------+-------+---------------+

并且需要过滤掉 ref_a + alt_a 和 ref_b + alt_b dplyr。 我会首先使用 mutate 创建带有总和的列，然后按这些总和进行过滤。但无法弄清楚在这种情况下如何使用 mutate 。

已编辑： 列数不固定！

Answer 1

你不需要在这里变异。只需执行以下操作：

require(tidyverse)
df %>%
  filter(ref_a + alt_a < 10 & ref_b + alt_b < 10)

如果你想先使用 mutate，你可以选择：

df %>% 
  mutate(sum1 = ref_a + alt_a, sum2 = ref_b + alt_b) %>%
  filter(sum1 < 10 & sum2 < 10)

编辑：我们事先不知道变量的数量这一事实使它有点复杂。但是，我认为您可以使用以下代码来执行此任务（假设变量名称均以“_a”、“_b”等格式。我希望有更短的方法来执行此任务:)

df$GeneID <- as.character(df$GeneID)

df %>%
  gather(variable, value,  -GeneID) %>%
  rowwise() %>%
  mutate(variable = unlist(strsplit(variable, "_"))[2]) %>%
  ungroup() %>%
  group_by(GeneID, variable) %>%
  summarise(sum = sum(value)) %>%
  filter(sum < 10) %>% 
  summarise(keepGeneID = ifelse(n() == (ncol(df) - 1)/2, TRUE, FALSE)) %>%
  filter(keepGeneID == TRUE) %>%
  select(GeneID) -> ids

df %>%
  filter(GeneID %in% ids$GeneID)

编辑 2：经过一些返工，我能够稍微改进代码：

df$GeneID <- as.character(df$GeneID)

df %>%
  gather(variable, value,  -GeneID) %>%
  rowwise() %>%
  mutate(variable = unlist(strsplit(variable, "_"))[2]) %>%
  ungroup() %>%
  group_by(GeneID, variable) %>%
  summarise(sum = sum(value)) %>%
  group_by(GeneID) %>%
  summarise(max = max(sum)) %>%
  filter(max < 10) -> ids

df %>%
  filter(GeneID %in% ids$GeneID)