使用单独的数据框将组分配给另一个数据框

Question

我目前正在处理标题是细胞样本名称的基因数据。每种类型的细胞收集 2 个样本，需要将它们绘制在箱线图中。由于样品命名不一致，我使用了一个单独的 .csv 文件，用户在其中写入样品名称及其所属的组。我正在尝试使用 group_by() 函数访问示例数据，然后使用来自其他 .csv 文件的分组信息。有没有办法完成我想做的事情？

Cell Sample Data CSV:                     
Sample A1         Sample A2    Sample B1     Sample B2
1                 3            3             5

Grouping CSV
Samples           Group     
Sample A          1           
Sample B          1           
Sample C          2
Sample D          2

我目前的想法是做这样的事情

library(dplyr)
groupFile <- data %>% group_by(groupFile$Group)

但是那没有用，我被困在如何使数据与分组文件相对应。

注意：我之前上传了这个没有示例数据和代码的问题，它已关闭。我希望这足以很好地描述问题。

Answer 1

首先让我们通过包含不同组中的样本来改进您的示例细胞样本数据：

celldata <- structure(list(`Sample A1` = 1L, `Sample A2` = 3L, `Sample B1` = 3L, 
                           `Sample B2` = 5L, `Sample C1` = 6L, `Sample C2` = 7L), 
                      class = "data.frame", row.names = c(NA, -1L))

还有你的组数据：

groupdata <- structure(list(Samples = c("Sample A", "Sample B", "Sample C", "Sample D"), 
                            Group = c(1L, 1L, 2L, 2L)), class = "data.frame", 
                            row.names = c(NA, -4L))

使用“长”格式而不是宽格式的数据以及将所有内容都放在一个数据框中，生活会轻松得多。

我们可以使用tidyr::gather 重塑单元格数据，然后使用dplyr::mutate 得到不带数字后缀的Samples，最后使用dplyr::left_join 将样本和组组合在一起：

library(dplyr)
library(tidyr)

celldata %>% 
  gather(Sample, Value) %>% 
  mutate(Samples = gsub("\\d+", "", Sample)) %>% 
  left_join(groupdata)

结果：

     Sample Value  Samples Group
1 Sample A1     1 Sample A     1
2 Sample A2     3 Sample A     1
3 Sample B1     3 Sample B     1
4 Sample B2     5 Sample B     1
5 Sample C1     6 Sample C     2
6 Sample C2     7 Sample C     2

现在您可以在Group 上进行分组。根据您接下来要执行的操作，您可能需要将 Group 转换为一个因子。如果你使用ggplot2，你甚至可能不需要group_by。

例如：

library(ggplot2)

celldata %>% 
  gather(Sample, Value) %>% 
  mutate(Samples = gsub("\\d+", "", Sample)) %>% 
  left_join(groupdata) %>% 
  mutate(Group = factor(Group)) %>% 
  ggplot(aes(Group, Value)) + 
  geom_boxplot() + 
  geom_jitter(aes(color  = Samples)) + 
  theme_bw()