收起 data.table 基于几列

Question

我有一个非常大的 data.table，有 4 列，其中只有一列是完全独一无二的。很难解释，但看起来像这样：

          ENSEMBL ENTREZID SYMBOL   ALIAS
1 ENSG00000000003     7105 TSPAN6    T245
2 ENSG00000000003     7105 TSPAN6  TM4SF6
3 ENSG00000000003     7105 TSPAN6 TSPAN-6
4 ENSG00000000003     7105 TSPAN6  TSPAN6
5 ENSG00000000005    64102   TNMD  BRICD4
6 ENSG00000000005    64102   TNMD   CHM1L

我试图根据前 3 列折叠它，并使 ALIAS 列成为折叠值的列表。

我知道我可以做到 results <- setDT(df)[, list(ALIAS=paste(ALIAS, collapse = '|')) , ENSEMBL]，但我失去了中间的两个列。

Answer 1

在这种情况下，将要保留的所有列添加到 by 部分。

results <- setDT(df)[, 
                     list(ALIAS=paste(ALIAS, collapse = '|')), 
                     list(ENSEMBL, ENTREZID, SYMBOL)]

Answer 2

你很接近。尝试

DT[, paste0(ALIAS, collapse="|"), by=c("ENSEMBL", "ENTREZID", "SYMBOL")]

根据你给的数据，这给了我

           ENSEMBL ENTREZID SYMBOL                         V1
1: ENSG00000000003     7105 TSPAN6 T245|TM4SF6|TSPAN-6|TSPAN6
2: ENSG00000000005    64102   TNMD               BRICD4|CHM1L

收起 data.table 基于几列

Collapse data.table based on several columns

r

bioinformatics

data.table