使用缺失值重塑数据

Question

我有一个与此类似的数据集...

Id 疾病基因突变表达 101 疾病_X基因_A R273G 正常 101 疾病_X GENE_B G12D 正常 102 疾病_Y GENE_C L858R 高

我想重塑它，使每个 id 和基因对都代表“突变”和“表达”，即使不存在任何值。

例如，每个 id-gene 对将有 6 个可能的值（3 个基因用于突变，3 个基因用于表达），如果原始表中没有突变或表达的值，则输出将为缺失提供一些标准输出填充该行的数据（例如“无突变数据”）。表格输出如下所示：

Id 疾病类型 基因值 101疾病_X突变基因A R273G 101 疾病_X 基因 B G12D 突变 101 疾病_X 突变基因 C 无突变数据 101 疾病_X表达基因A正常 101 疾病_X 表达基因 B 正常 101 疾病_X 表达基因 C 无表达数据 102 疾病_Y 突变基因 A 无突变数据 102 疾病_Y 突变基因 B 无突变数据 102 疾病_Y 突变基因 C L858R 102 疾病_Y 表达基因 A 无表达值 102 疾病_Y 表达基因 B 无表达值 102 疾病_Y 表达基因 C 高

我知道有一种简单的方法可以做到这一点（使用合并或融化？），但我还没有想出任何简单的方法。

Answer 1

您需要执行一些额外的步骤才能获得您想要的确切信息。

在下文中，我首先制作“Id”、“Type”和“Gene”的所有组合，将它们与数据集的“long”形式合并，然后修复“Disease”列。

我将NA 保留为NA，因为如果您需要做进一步的工作，这对我来说似乎更有意义。

这假设您从名为“mydf”的数据集开始。

library(data.table)
library(reshape2)

DT <- as.data.table(mydf)                                ## Convert to data.table
DTL <- melt(DT, id.vars = c("Id", "Disease", "Gene"))    ## Make it long
groups <- c("Id", "Gene", "variable")                    ## Save some typing
toMerge <- do.call(CJ, lapply(DTL[, groups,              ## Generate the combos
                                  with = FALSE], unique))
merged <- merge(DTL, toMerge, by = groups, all = TRUE)   ## merge
merged[, Disease := unique(na.omit(Disease)), by = Id][] ## Fill in Disease
#      Id   Gene   variable   Disease  value
#  1: 101 GENE_B   Mutation Disease_X   G12D
#  2: 101 GENE_B Expression Disease_X Normal
#  3: 101 GENE_C   Mutation Disease_X     NA
#  4: 101 GENE_C Expression Disease_X     NA
#  5: 101 Gene_A   Mutation Disease_X  R273G
#  6: 101 Gene_A Expression Disease_X Normal
#  7: 102 GENE_B   Mutation Disease_Y     NA
#  8: 102 GENE_B Expression Disease_Y     NA
#  9: 102 GENE_C   Mutation Disease_Y  L858R
# 10: 102 GENE_C Expression Disease_Y   High
# 11: 102 Gene_A   Mutation Disease_Y     NA
# 12: 102 Gene_A Expression Disease_Y     NA