Блог

У меня есть матрица с нуклеотидными последовательностями (содержащими NAs) в строках, как показано здесь:

n.mat

 samp1 <- c("a","c","a",NA,"t","c")
samp2 <- c("a","c","t","t",NA,"a")
samp3 <- c("a","g","g","c","a","c")
samp4 <- c("a","g",NA,"g","g", NA)
samp5<- c(NA, "g","g","g","t","g")

n.mat <- rbind(samp1,samp2,samp3,samp4,samp5)

      [,1] [,2] [,3] [,4] [,5] [,6]
samp1 "a"  "c"  "a"   NA  "t"  "c" 
samp2 "a"  "c"  "t"  "t"   NA  "a" 
samp3 "a"  "g"  "g"  "c"  "a"  "a" 
samp4 "a"  "g"   NA  "g"  "g"   NA 
samp5  NA  "g"  "g"  "g"  "t"  "g" 
  

У меня также есть фрейм данных с двумя столбцами, содержащими имена последовательностей:

df

 df <- data.frame(
  X1 = c("samp1", "samp2", "samp3", "samp4", "samp5"),
  X2 = c("samp2", "samp5", "samp1", "samp3", "samp2"))

          X1       X2
1      samp1    samp2
2      samp2    samp5
3      samp3    samp1
4      samp4    samp3
5      samp5    samp2
  

Я хотел бы заполнить пробелы строки в матрице нуклеотидами / значениями из другой строки в матрице, обозначенной df$X2 столбцом во фрейме данных.

Так, например: samp1 в матрице есть NA в своей строке в четвертом столбце. Поэтому я хотел бы взять строку из того же столбца samp2 (обозначается фреймом данных в столбце X2 ). Поскольку samp2 я хотел бы заполнить NA , взяв строку из samp5 (обозначенную фреймом данных в столбце X2 ). Если NA в строке, в которой она находится, нет samp3 , то ничего не делайте. Если в строке их два NAs (как в samp4 ), то я хотел бы взять обе строки из samp3 обоих столбцов.

Я попробовал следующий код:

 replace.na <- function(n.mat,val) {
  i <- is.na(n.mat)
  j <- which(i)
  k <- which(!i)
  n.mat[j[j > k[length(k)]]] <- val
  n.mat
}

n.mat[,-1] <- t(apply(matrix[,-1],1,replace.na)) 
  

Но я не совсем уверен, как включить df таблицу для замены NAs .

Вот очень компактный код, который я объясню (и он предполагает либо использование rv4.x, либо создание фрейма данных ‘df’ с stringsAsFactors=FALSE помощью):

 n.mat[ is.na(n.mat) ] <-  n.mat[df[['X2']],][ is.na(n.mat)]

n.mat
#------
      [,1] [,2] [,3] [,4] [,5] [,6]
samp1 "a"  "c"  "a"  "t"  "t"  "c" 
samp2 "a"  "c"  "t"  "t"  "t"  "a" 
samp3 "a"  "g"  "g"  "c"  "a"  "a" 
samp4 "a"  "g"  "g"  "g"  "g"  "a" 
samp5 "a"  "g"  "g"  "g"  "t"  "g" 
  

is.na(.n.mat) Возвращает логическую матрицу того же измерения, что и n.mat. Он используется в качестве индекса с обеих сторон присваивания, но в правой части присваивания выполняется выбор из матрицы, строки которой переставлены в соответствии с порядком «замещающих строк», который вы указали df . Если бы столбец ‘X1’ не был в том же порядке, что и целевая матрица, вам нужно было бы изменить порядок этого столбца с помощью order вызова, но здесь это не понадобилось.

  df <- read.table(text= 'X1       X2
 1      samp1    samp2
 2      samp2    samp5
 3      samp3    samp1
 4      samp4    samp3
 5      samp5    samp2', header=TRUE, stringsAsFactors=FALSE)
  

Обратите внимание на stringsAsFactors=FALSE . Я думаю, что моя неспособность использовать это (поскольку я все еще на R 3.6) означала, что у меня были коэффициенты в столбце X2.

Другой способ сделать это — создать индекс из двух столбцов позиций NA с параметром arr.idx, установленным в TRUE:

  pos <- which(is.na(n.mat),arr.ind=TRUE)

> pos
      row col
samp5   5   1
samp4   4   3
samp1   1   4
samp2   2   5
samp4   4   6
  

Затем вы можете индексировать с помощью этой матрицы из 2 столбцов:

  n.mat[pos] <- n.mat[ df[['X2']] ,][pos]

> n.mat
      [,1] [,2] [,3] [,4] [,5] [,6]
samp1 "a"  "c"  "a"  "t"  "t"  "c" 
samp2 "a"  "c"  "t"  "t"  "t"  "a" 
samp3 "a"  "g"  "g"  "c"  "a"  "a" 
samp4 "a"  "g"  "g"  "g"  "g"  "a" 
samp5 "a"  "g"  "g"  "g"  "t"  "g" 
  

Индексация матрицы R может привести к некоторым очень компактным решениям подобных проблем. Вам следует прочитать страницу ?'[' справки для получения более подробной информации и примеров. Время, потраченное на эти усилия, окупится многократно, если вы продолжите использовать R. Я уверен, что уже прочитал это 10 или 20 раз.

Reprex:

 n.mat <- matrix( scan(text = 'samp1 "a"  "c"  "a"  "NA" "t"  "c" 
 samp2 "a"  "c"  "t"  "t"  "NA" "a" 
 samp3 "a"  "g"  "g"  "c"  "a"  "a" 
 samp4 "a"  "g"  "NA" "g"  "g"  "NA" 
 samp5 "NA" "g"  "g"  "g"  "t"  "g" ', what=""), nrow=5, byrow=TRUE)

 n.mat <- matrix(n.mat[ ,-1], nrow=5, dimnames=list(n.mat[,1], NULL))

df <- read.table(text= 'X1       X2
 1      samp1    samp2
 2      samp2    samp5
 3      samp3    samp1
 4      samp4    samp3
 5      samp5    samp2', header=TRUE, stringsAsFactors=FALSE)
  

Вы могли бы попробовать что-то вроде этого ниже. Обратите внимание, что результат немного отличается, но я скопировал / вставил ваш код для создания вашей матрицы (см. samp3 Столбец 6).

 t(sapply(rownames(n.mat), function(x) {
  na_cols <- is.na(n.mat[x, ])
  n.mat[x, na_cols] <- n.mat[df[df$X1 == x, "X2"], na_cols]
  n.mat[x, ]
}))
  

Вывод

       [,1] [,2] [,3] [,4] [,5] [,6]
samp1 "a"  "c"  "a"  "t"  "t"  "c" 
samp2 "a"  "c"  "t"  "t"  "t"  "a" 
samp3 "a"  "g"  "g"  "c"  "a"  "c" 
samp4 "a"  "g"  "g"  "g"  "g"  "c" 
samp5 "a"  "g"  "g"  "g"  "t"  "g" 
  

Данные

 n.mat <- structure(c("a", "a", "a", "a", NA, "c", "c", "g", "g", "g", 
"a", "t", "g", NA, "g", NA, "t", "c", "g", "g", "t", NA, "a", 
"g", "t", "c", "a", "c", NA, "g"), .Dim = 5:6, .Dimnames = list(
    c("samp1", "samp2", "samp3", "samp4", "samp5"), NULL))