我有一个数据帧(df
(,类似于:
database minrna genesymbol
A mir-1 abc
A mir-2 bcc
B mir-1 abc
B mir-3 xyb
c mir-1 abc
我想提取至少由两个数据库预测的mirna。例如,在上面的df
、mir-1' is predicted by database
A,
Band
C’中,因此,我想要的结果是:
database minrna genesymbol
A mir-1 abc
B mir-1 abc
c mir-1 abc
我试过搜索类似的问题,但找不到类似的问题。你能帮我解决这个问题吗。非常感谢。
我们可以为每个minrna
计算唯一的database
的数量,并以此为基础进行过滤。
这可以在基本R:中完成
subset(df, ave(database, minrna, FUN = function(x) length(unique(x))) >= 2)
# database minrna genesymbol
#1 A mir-1 abc
#3 B mir-1 abc
#5 c mir-1 abc
在dplyr
:中
library(dplyr)
df %>% group_by(minrna) %>% filter(n_distinct(database) >= 2)
或使用data.table
:
library(data.table)
setDT(df)[, .SD[uniqueN(database) >=2], minrna]
数据
df <- structure(list(database = c("A", "A", "B", "B", "c"), minrna = c("mir-1",
"mir-2", "mir-1", "mir-3", "mir-1"), genesymbol = c("abc", "bcc",
"abc", "xyb", "abc")), row.names = c(NA, -5L), class = "data.frame")
使用{dplyr}包中的group_by
函数,我会让您把细节作为一种练习形式。
https://dplyr.tidyverse.org/