对所有行对应用操作
Apply operation on all pairs of rows
我有一个这种格式的标题：
position condition replicate value
<dbl> <chr> <chr> <dbl>
1 10 1 a 0.16
2 10 1 b 0.21
3 10 2 a 0.19
4 10 2 b 0.38
5 10 3 a 0.12
6 10 3 b 0.35
7 20 1 a 0.22
8 20 1 b 0.24
9 20 2 a 0.56
10 20 2 b 0.47
11 20 3 a 0.14
12 20 3 b 0.23
...
由此我想得到每个位置每对条件的所有重复对之间的差异：
position 1.a-2.a 1.a-2.b 1.b-2.a 1.b-2.b 1.a-3.a 1.a-3.b 1.b-3.a 1.b-3.b ...
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 10 0.13 0.21 0.13 0.16 ... ... ... ...
2 20 ... ... ... ... ... ... ... ...
3 30 ... ... ... ... ... ... ... ...
...
然后汇总得到每个位置每对条件的中位数：
position median(abs(1.a-2.a), abs(1.a-2.b), abs(1.b-2.a), abs(1.b-2.b)) ...
<dbl> <dbl>
1 10 0.0161
2 20 ...
3 30 ...
...
我已经尝试 table %>% spread(replicate, value) 将复制值分布到列中，但我不知道从那里去哪里。我需要使解决方案具有普遍性，因为我不知道我将有多少条件或重复。我怎样才能做到这一点？
编辑：
像这样：
table %>%
unite(condition.replicate, c(condition, replicate), sep = ".") %>%
spread(condition.replicate, value) %>% group_by(position) %>%
uncount(2)
给我这个：
position `1.a` `1.b` `2.a` `2.b` ...
<dbl> <dbl> <dbl> <dbl> <dbl>
1 10 0.16 0.14 0.61 0.86
2 10 0.16 0.14 0.61 0.86
也许有一种方法可以重复列，使它们像这样重叠：
position `1.a` `1.b` `2.a` `2.b` `1.a` `1.b` `2.a` `2.b` ...
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 10 0.16 0.14 0.61 0.86 0.16 0.14 0.61 0.86
2 10 0.16 0.16 0.16 0.16 0.14 0.14 0.14 0.14
position `1.a` `1.a` `1.a` `1.a` `1.b` `1.b` `1.b` `1.b` ...
然后我可以 summarize 得到行之间的差异。
您可以使用嵌套的 lapply:
轻松制作差异矩阵
# Make result matrix
result <- do.call(rbind,
lapply(split(df, df$position), function(x)
do.call(c, lapply(x$value,
function(y) y - x$value))))
名字有点难
# Names for result matrix
df$unique_mix <- paste0(df$condition, ".", df$replicate)
combos <- expand.grid(unique(df$unique_mix), unique(df$unique_mix))
colnames(result) <- paste(combos[,1], "-", combos[,2])
但这应该会给你一些你可以使用的东西：
#> 1.a - 1.a 1.b - 1.a 2.a - 1.a 2.b - 1.a 3.a - 1.a 3.b - 1.a 1.a - 1.b 1.b - 1.b
#> 10 0 -0.05 -0.03 -0.22 0.04 -0.19 0.05 0
#> 20 0 -0.02 -0.34 -0.25 0.08 -0.01 0.02 0
#> 2.a - 1.b 2.b - 1.b 3.a - 1.b 3.b - 1.b 1.a - 2.a 1.b - 2.a 2.a - 2.a 2.b - 2.a
#> 10 0.02 -0.17 0.09 -0.14 0.03 -0.02 0 -0.19
#> 20 -0.32 -0.23 0.10 0.01 0.34 0.32 0 0.09
#> 3.a - 2.a 3.b - 2.a 1.a - 2.b 1.b - 2.b 2.a - 2.b 2.b - 2.b 3.a - 2.b 3.b - 2.b
#> 10 0.07 -0.16 0.22 0.17 0.19 0 0.26 0.03
#> 20 0.42 0.33 0.25 0.23 -0.09 0 0.33 0.24
#> 1.a - 3.a 1.b - 3.a 2.a - 3.a 2.b - 3.a 3.a - 3.a 3.b - 3.a 1.a - 3.b 1.b - 3.b
#> 10 -0.04 -0.09 -0.07 -0.26 0 -0.23 0.19 0.14
#> 20 -0.08 -0.10 -0.42 -0.33 0 -0.09 0.01 -0.01
#> 2.a - 3.b 2.b - 3.b 3.a - 3.b 3.b - 3.b
#> 10 0.16 -0.03 0.23 0
#> 20 -0.33 -0.24 0.09 0
如果您正在使用 tidyverse，您可以尝试这种方法。它不是那么好，但它可能会给你想要的。
library(tidyverse)
wide_df <- df %>%
unite(con_rep, c(condition, replicate), sep = ".") %>%
pivot_wider(id_cols = position, names_from = con_rep, values_from = value) %>%
as.data.frame(.)
data.frame(position = wide_df$position, combn(wide_df[-1], 2, function(x) x[,1]-x[,2])) %>%
setNames(c("position", apply(combn(names(wide_df[-1]), 2), 2, paste0, collapse = "-")))
输出
position 1.a-1.b 1.a-2.a 1.a-2.b 1.a-3.a 1.a-3.b 1.b-2.a 1.b-2.b 1.b-3.a 1.b-3.b 2.a-2.b 2.a-3.a 2.a-3.b 2.b-3.a
1 10 -0.05 -0.03 -0.22 0.04 -0.19 0.02 -0.17 0.09 -0.14 -0.19 0.07 -0.16 0.26
2 20 -0.02 -0.34 -0.25 0.08 -0.01 -0.32 -0.23 0.10 0.01 0.09 0.42 0.33 0.33
2.b-3.b 3.a-3.b
1 0.03 -0.23
2 0.24 -0.09
我有一个这种格式的标题：
position condition replicate value
<dbl> <chr> <chr> <dbl>
1 10 1 a 0.16
2 10 1 b 0.21
3 10 2 a 0.19
4 10 2 b 0.38
5 10 3 a 0.12
6 10 3 b 0.35
7 20 1 a 0.22
8 20 1 b 0.24
9 20 2 a 0.56
10 20 2 b 0.47
11 20 3 a 0.14
12 20 3 b 0.23
...
由此我想得到每个位置每对条件的所有重复对之间的差异：
position 1.a-2.a 1.a-2.b 1.b-2.a 1.b-2.b 1.a-3.a 1.a-3.b 1.b-3.a 1.b-3.b ...
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 10 0.13 0.21 0.13 0.16 ... ... ... ...
2 20 ... ... ... ... ... ... ... ...
3 30 ... ... ... ... ... ... ... ...
...
然后汇总得到每个位置每对条件的中位数：
position median(abs(1.a-2.a), abs(1.a-2.b), abs(1.b-2.a), abs(1.b-2.b)) ...
<dbl> <dbl>
1 10 0.0161
2 20 ...
3 30 ...
...
我已经尝试 table %>% spread(replicate, value) 将复制值分布到列中，但我不知道从那里去哪里。我需要使解决方案具有普遍性，因为我不知道我将有多少条件或重复。我怎样才能做到这一点？
编辑：
像这样：
table %>%
unite(condition.replicate, c(condition, replicate), sep = ".") %>%
spread(condition.replicate, value) %>% group_by(position) %>%
uncount(2)
给我这个：
position `1.a` `1.b` `2.a` `2.b` ...
<dbl> <dbl> <dbl> <dbl> <dbl>
1 10 0.16 0.14 0.61 0.86
2 10 0.16 0.14 0.61 0.86
也许有一种方法可以重复列，使它们像这样重叠：
position `1.a` `1.b` `2.a` `2.b` `1.a` `1.b` `2.a` `2.b` ...
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 10 0.16 0.14 0.61 0.86 0.16 0.14 0.61 0.86
2 10 0.16 0.16 0.16 0.16 0.14 0.14 0.14 0.14
position `1.a` `1.a` `1.a` `1.a` `1.b` `1.b` `1.b` `1.b` ...
然后我可以 summarize 得到行之间的差异。
您可以使用嵌套的 lapply:
# Make result matrix
result <- do.call(rbind,
lapply(split(df, df$position), function(x)
do.call(c, lapply(x$value,
function(y) y - x$value))))
名字有点难
# Names for result matrix
df$unique_mix <- paste0(df$condition, ".", df$replicate)
combos <- expand.grid(unique(df$unique_mix), unique(df$unique_mix))
colnames(result) <- paste(combos[,1], "-", combos[,2])
但这应该会给你一些你可以使用的东西：
#> 1.a - 1.a 1.b - 1.a 2.a - 1.a 2.b - 1.a 3.a - 1.a 3.b - 1.a 1.a - 1.b 1.b - 1.b
#> 10 0 -0.05 -0.03 -0.22 0.04 -0.19 0.05 0
#> 20 0 -0.02 -0.34 -0.25 0.08 -0.01 0.02 0
#> 2.a - 1.b 2.b - 1.b 3.a - 1.b 3.b - 1.b 1.a - 2.a 1.b - 2.a 2.a - 2.a 2.b - 2.a
#> 10 0.02 -0.17 0.09 -0.14 0.03 -0.02 0 -0.19
#> 20 -0.32 -0.23 0.10 0.01 0.34 0.32 0 0.09
#> 3.a - 2.a 3.b - 2.a 1.a - 2.b 1.b - 2.b 2.a - 2.b 2.b - 2.b 3.a - 2.b 3.b - 2.b
#> 10 0.07 -0.16 0.22 0.17 0.19 0 0.26 0.03
#> 20 0.42 0.33 0.25 0.23 -0.09 0 0.33 0.24
#> 1.a - 3.a 1.b - 3.a 2.a - 3.a 2.b - 3.a 3.a - 3.a 3.b - 3.a 1.a - 3.b 1.b - 3.b
#> 10 -0.04 -0.09 -0.07 -0.26 0 -0.23 0.19 0.14
#> 20 -0.08 -0.10 -0.42 -0.33 0 -0.09 0.01 -0.01
#> 2.a - 3.b 2.b - 3.b 3.a - 3.b 3.b - 3.b
#> 10 0.16 -0.03 0.23 0
#> 20 -0.33 -0.24 0.09 0
如果您正在使用 tidyverse，您可以尝试这种方法。它不是那么好，但它可能会给你想要的。
library(tidyverse)
wide_df <- df %>%
unite(con_rep, c(condition, replicate), sep = ".") %>%
pivot_wider(id_cols = position, names_from = con_rep, values_from = value) %>%
as.data.frame(.)
data.frame(position = wide_df$position, combn(wide_df[-1], 2, function(x) x[,1]-x[,2])) %>%
setNames(c("position", apply(combn(names(wide_df[-1]), 2), 2, paste0, collapse = "-")))
输出
position 1.a-1.b 1.a-2.a 1.a-2.b 1.a-3.a 1.a-3.b 1.b-2.a 1.b-2.b 1.b-3.a 1.b-3.b 2.a-2.b 2.a-3.a 2.a-3.b 2.b-3.a
1 10 -0.05 -0.03 -0.22 0.04 -0.19 0.02 -0.17 0.09 -0.14 -0.19 0.07 -0.16 0.26
2 20 -0.02 -0.34 -0.25 0.08 -0.01 -0.32 -0.23 0.10 0.01 0.09 0.42 0.33 0.33
2.b-3.b 3.a-3.b
1 0.03 -0.23
2 0.24 -0.09