首页 文章

在tapply中使用tapply

提问于
浏览 次
-3

我有一个很大的基因组数据 data.frame . 数据看起来像这样 - colnames(df)=c("id","chr","start","end","log2") 其中id是样本名称，chr是染色体的编号，start和end给我染色体上的位置，log2是该位置读取的高/低 .

因为有很多数据，并且很难理解发生了什么，我正在尝试遍历每个样本（id），并且对于每个染色体（chr），我想计算段中log2的中位数，比如说所有读数介于1到10 ^ 7,1,10 ^ 7到2 * 10 ^ 7之间，依此类推 .

结果应该是一个新的 data.frame ，对于每个样本和每个染色体，我应该有几行，其中start和end表示我所在的段，最后一个值将是该段的中位数 .

我想我需要使用 tapply() 并检查样本，并在其中 tapply() 并越过染色体，然后在每个染色体中，一个循环超过"start"位置？ （假设我只关心起始坐标是否在范围内）不确定如何处理这个问题 .

任何提示，技巧，方向将非常感激 .

可重复的例子 -

# fabricated data, 4 samples
# 24 chromosomes in each sample
# 61 ranges in each chromosome

df <- data.frame(id = rep(c('F1','F2','M1','M2'), each = 24*61), 
                 chr = rep(rep(c(1:22,'x','y'), each = 61),4),
                 start = rep(seq(1,25*10^6 - 99, length.out = 61),times = 24*4),
                 end = rep(seq(100,25*10^6, length.out = 61),times = 24*4),
                 log2 = rnorm(4*24*61))

# output should look something like this-
id      chr     start    end       median_log_2
"F1"    "1"     1        8000000   0.002
"F1"    "1"     8000001  16000000  0.00089
"F1"    "1"     16000001 24000000  -0.0011
"F1"    "1"     24000000 25000000  0.108
"F1"    "2"     1        8000000   -0.0012
"F1"    "2"     8000001  16000000  0.0089
"F1"    "2"     16000001 24000000  0.00311
"F1"    "2"     24000000 25000000  0.0128
...
...
r tapply

1 回答

  • 0
    median_data <- tapply(df$log2, 
                      list(df$id, 
                           df$chr, 
                           cut(df$start, c(0,8*10^6,1.6*10^7,2.4*10^7,3.2*10^7,4*10^8))),
                      median)
median_data <- as.data.frame.table(median_data)

    做完了 . （输出格式不正确，但对我来说非常接近）

    在 tapply() 中，您可以使用 list() 按多个参数进行子集化 .

    回复于

相关问题