从 R 中的现有数据帧中提取数据（或重塑）数据帧

Question

我正在处理一个大型数据框，前几行如下：

      Assay   Genotype   Sample    Result
1     001        G         1         0
2     001        A         2         1
3     001        G         3         0 
4     001        NA        4         NA
5     002        T         1         0
6     002        G         2         1
7     002        T         3         0 
8     002        T         4         0
9     003        NA        1         N
10    003        G         2         1
11    003        G         3         1 
12    003        T         4         0

总共我将处理 2000 个样本，每个样本进行 168 次检测。对于每个样本，我想提取每个样本的“结果”中的数据，以创建一个列表或数据框，如下所示：

Sample  Data
   1    00N
   2    111
   3    001
   4    N00

因此，生成的数据框（或类似的首选数据结构）将是 2000 行和 2 列。 “数据”行将包含 168 个字符，每个字符对应每个“测定”。

有人可以帮我解决这个问题吗？

Answer 1

使用包 plyr 和基本函数 paste 的一种方法：

library(plyr)
ddply(dat, "Sample", summarize, Data = paste(Result, collapse = ""))

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

编辑以解决问题

我能想到的将 NA 更改为 N 的最简单方法可能是对 ddply 的结果使用 gsub。请注意，我大量借用了 @Brian re: ordering 提供的非常好的观点。这样做，这是一个很好的提示！

out <- ddply(dat, "Sample", summarize, Data = paste(Result[order(Assay)], collapse = ""))

然后使用 gsub

out$Data <- gsub("NA", "N", out$Data)

等瞧：

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4  N00

Answer 2

使用 split 和 sapply 的基本 R 解决方案：

sapply(split(dat$Result, dat$Sample), paste, collapse="")

     1      2      3      4 
 "00N"  "111"  "001" "NA00" 

Answer 3

请注意，@Chase 和 @Andrie 都假设数据已经按分析排序（您的示例就是这样，所以不是一个不合理的假设）。如果不是，您仍然可以按正确的顺序获取字符串。

适应@Chase的解决方案

library(plyr)
ddply(dat, "Sample", summarize, 
  Data = paste(Result[order(Assay)], collapse = ""))

给出了

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00

如果我们使用未排序的数据：

dat.scramble <- dat[sample(nrow(dat)),]

> dat.scramble
   Assay Genotype Sample Result
6    002        G      2      1
1    001        G      1      0
3    001        G      3      0
7    002        T      3      0
10   003        G      2      1
8    002        T      4      0
12   003        T      4      0
5    002        T      1      0
2    001        A      2      1
4    001       NA      4     NA
9    003       NA      1      N
11   003        G      3      1

我们仍然得到相同的结果

ddply(dat.scramble, "Sample", summarize, 
  Data = paste(Result[order(Assay)], collapse = ""))

  Sample Data
1      1  00N
2      2  111
3      3  001
4      4 NA00