用聚合解决ddply任务的优雅方法(希望获得更好的性能)
发布时间:2020-12-13 20:12:50 所属栏目:百科 来源:网络整理
导读:我想通过一个名为ensg的标识符变量来聚合data.frame.数据框如下所示: chromosome probeset ensg symbol XXA_00 XXA_36 XXB_001 X 4938842 ENSMUSG00000000003 Pbsn 4.796123 4.737717 5.326664 我想计算具有相同ensg值的行上每个数字列的平均值.这里的问题
我想通过一个名为ensg的标识符变量来聚合data.frame.数据框如下所示:
chromosome probeset ensg symbol XXA_00 XXA_36 XXB_00 1 X 4938842 ENSMUSG00000000003 Pbsn 4.796123 4.737717 5.326664 我想计算具有相同ensg值的行上每个数字列的平均值.这里的问题是我想保留其他身份变量染色体和符号不变,因为它们对于相同的ensg也是相同的. 最后,我希望有一个带有标识列的data.frame,具有相同标识符的行上的数字列的染色体,ensg,符号和平均值.我在ddply中实现了这个,但与聚合相比它非常慢: spec.mean <- function(eset.piece) { cbind(eset.piece[1,-numeric.columns],t(colMeans(eset.piece[,numeric.columns]))) } t mean.eset <- ddply(eset.consensus.grand,.(ensg),spec.mean,.progress="tk") 我的第一个聚合实现看起来像这样, mean.eset=aggregate(eset[,numeric.columns],by=list(eset$ensg),FUN=mean,na.rm=TRUE); 并且要快得多.但聚合的问题是我必须重新附加描述变量.我没有想出如何使用我的自定义函数与聚合,因为聚合不传递数据帧,但只传递矢量. 使用聚合有一种优雅的方法吗?或者使用ddply有更快的方法吗?
首先让我们定义一个玩具示例:
df <- data.frame(chromosome = gl(3,10,labels = c('A','B','C')),probeset = gl(3,labels = c('X','Y','Z')),ensg = gl(3,labels = c('E1','E2','E3')),symbol = gl(3,labels = c('S1','S2','S3')),XXA_00 = rnorm(30),XXA_36 = rnorm(30),XXB_00 = rnorm(30)) 然后我们使用公式接口的聚合: df1 <- aggregate(cbind(XXA_00,XXA_36,XXB_00) ~ ensg + chromosome + symbol,data = df,FUN = mean) > df1 ensg chromosome symbol XXA_00 XXA_36 XXB_00 1 E1 A S1 -0.02533499 -0.06150447 -0.01234508 2 E2 B S2 -0.25165987 0.02494902 -0.01116426 3 E3 C S3 0.09454154 -0.48468517 -0.25644569 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |