R-如何创建一个新列，显示是否以及有多少变量共享特定的观察结果

Question

我有一个问题，即在r。

中对某些生物信息学数据进行分析

我的测试数据框架由一个可变的"序列"组成，其中具有不同的字母代码为观察值和三个代表个体/样本的不同变量（P1，P2，P3），该变量表明在一个个体中计数特定观察值的频率（因此P3例如，包含序列" AB" 23次）。我想现在创建一个新列（在我的数据框架中已指定为带有na的虚拟列x），该列显示每个序列行总体共享的序列（p1，p2，p3），更重要的是多少三个人共享。因此，新列中的数字只能在1到3范围3。例如：对于序列" ABCDE"，新列将显示值1，因为它仅在一个单独的P3中发生，对于序列" ABC"，新列将显示值2因为它发生在个体P2和P3中，最后是" ABCD"，它将显示3，因为所有个体都包含序列。

我的测试数据在dput（）之后看起来像这样：

structure(list(Sequence = structure(1:9, .Label = c("AB", "ABC", 
"ABCD", "ABCDE", "ABCDEF", "ABCDEFG", "ABCDEFGH", "ABCDEFGHI", 
"ABCDEFGHIJ"), class = "factor"), P1 = c(5L, 0L, 20L, 0L, 3L, 
1L, 0L, 0L, 0L), P2 = c(6L, 2L, 3L, 0L, 2L, 0L, 56L, 10L, 3L), 
    P3 = c(23L, 34L, 8L, 5L, 0L, 6L, 0L, 78L, 5L), X = c(NA, 
    NA, NA, NA, NA, NA, NA, NA, NA)), .Names = c("Sequence", 
"P1", "P2", "P3", "X"), class = "data.frame", row.names = c(NA, 
-9L))

谢谢！

Answer 1

您可以尝试总和" P"。积极计数的列：

mydf$X <- rowSums(mydf[, grep("^P", names(mydf))]>0)
 head(mydf, 4)
#  Sequence P1 P2 P3 X
#1       AB  5  6 23 3
#2      ABC  0  2 34 2
#3     ABCD 20  3  8 3
#4    ABCDE  0  0  5 1

Answer 2

我们可以将Reduce与lapply

一起使用

df1$X <- Reduce(`+`, lapply(df1[2:4], `>`, 0))
df1$X
#[1] 3 2 3 1 2 2 1 2 2

Reduce可以非常有效，如此处的基准测试中所示