在 r 中取真/假向量的总和

Question

我正在分析一种真菌的 SNP 数据，我试图通过将 Ns 更改为更频繁的等位基因的基因型来估算缺失的数据......见下文。 newdata 是我的 snps（行）和真菌分离物（列）的矩阵。每个 snp 的基因型都采用 0、1 和 N 格式，这就是我试图估算缺失的基因型的原因。

newdata_imputed=newdata
for (k in 1:nrow(newdata)){
u=newdata[k,]
x<-sum(u==0)
y<-sum(u==1)
all_freq=y/(x+y)
if (all_freq<0.5){
newdata_imputed[k,]=gsub("N",0,u)
} else{newdata_imputed[k,]=gsub("N",1,u)}
print(k)
}

但是，我不断收到此错误：

[1] 295
[1] 296
Error in if (all_freq < 0.5) { : missing value where TRUE/FALSE needed

很明显，代码运行但遇到问题后停止。请，有人可以告诉我我做错了什么吗？我是 R 的新手，任何建议都将不胜感激。

@akrun，我使用 for 循环的原因是因为它嵌套在另一个 for 循环中......所以在使用您的代码之后。

newdata=as.data.frame(newdata)
u=newdata
all_freq <- rowSums(u==1)/rowSums((u==1)|(u==0))
indx <- all_freq < 0.5
indx1 <-  indx & !is.na(indx)
indx2 <- !indx & !is.na(indx)
newdata[indx1,] <- lapply(newdata[indx1,], gsub, pattern='N', replacement=0)
newdata[indx2,] <- lapply(newdata[indx2,], gsub, pattern='N', replacement=1)
newdata[] <- lapply(newdata, as.numeric)

我得到了奇怪的值

newdata[1:10,1:10]
   V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1   3  3  3  3  3  3  3  3  3   3
2   2  2  2  2  2  2  2  2  2   2
3   3  3  3  3  3  3  3  3  3   3
4   1  1  1  1  1  1  1  1  1   1

请问“3”是从哪里来的？？？？我应该只有 0 或 1

Answer 1

我们可以使用rowSums 做到这一点。正如@bergant 和@MatthewLundberg 在 cmets 中提到的，如果有没有 0 或 1 个元素的行，我们会根据计算得到 NaN。一种方法是通过包含!is.na 来修改逻辑条件，即不是NA 的元素与先前的条件一起。

#using `rowSums` to create the all_freq vector 
all_freq <- rowSums(newdata==1)/rowSums((newdata==1)|(newdata==0))
#Create a logical index based on elements that are less than 0.5
indx <- all_freq < 0.5 
#The NA elements can be changed to FALSE by adding another condition
indx1 <-  indx & !is.na(indx)
#similarly for elements that are > 0.5 
indx2 <- !indx & !is.na(indx)

现在，我们使用 'indx1' 对 'newdata' 的行进行子集化，遍历列 (lapply) 并将 gsub 与 pattern 和 replacement 参数一起使用，并将输出分配回子集的“新数据”。

newdata[indx1,] <- lapply(newdata[indx1,], gsub, pattern='N', replacement=0)

同样，我们可以对大于 0.5 的行进行 'all_freq' 的替换

newdata[indx2,] <- lapply(newdata[indx2,], gsub, pattern='N', replacement=1)

gsub 输出列是character 类，可以转换回numeric（如果需要）。

newdata[] <- lapply(newdata, as.numeric)

数据

set.seed(24)
newdata <- as.data.frame(matrix(sample(c(0:1, "N"), 10*4, replace=TRUE),
         ncol=4), stringsAsFactors=FALSE)
newdata[7,] <- 2