我对R很陌生,所以希望我能得到一些关于如何实现所需数据操作的指针。
我有一个包含三个变量的数据数组。
gene_id fpkm meth_val
1 100629094 0.000 0.0063
2 100628995 0.000 0.0000
3 102655614 111.406 0.0021
我想在将基于fpkm的gene_ids划分为四分位数或十分位数后,绘制平均meth_val。
一旦我将数据加载到数据帧中。。。
data <- read.delim("myfile.tsv", sep='t')
我可以使用来确定fpkm十分位数
quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5
产生
0% 10% 20% 30% 40% 50%
0.000000e+00 9.783032e-01 7.566164e+00 3.667630e+01 1.379986e+02 3.076280e+02
60% 70% 80% 90% 100%
5.470552e+02 8.875592e+02 1.486200e+03 2.974264e+03 1.958740e+05
从那时起,我想根据fpkm_val是否适合其中一个十分位数,将数据帧分为10组。然后,我想将ggplot中每个十分位数的meth_val绘制为方框图,并在十分位数之间进行统计测试。
我真正纠结的主要问题是如何以正确的方式分割数据集。如有任何协助,我们将不胜感激!
谢谢大家!
另一种方法是dplyr
中的ntile()
。
library(tidyverse)
foo <- data.frame(a = 1:100,
b = runif(100, 50, 200),
stringsAsFactors = FALSE)
foo %>%
mutate(quantile = ntile(b, 10))
# a b quantile
#1 1 93.94754 2
#2 2 172.51323 8
#3 3 99.79261 3
#4 4 81.55288 2
#5 5 116.59942 5
#6 6 128.75947 6
也许这样更容易:
data$qunatil = cut( data$fpkm, quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5) )
您可以尝试使用Hmisc
库和cut2
函数。您可以通过指定切割点将矢量切割成不同的组。这里有一个例子:
library(Hmisc)
data <- data.frame(gene_id=sample(c("A","B","D", 100), 100, replace=TRUE),
fpkm=abs(rnorm(100, 100, 10)),
meth_val=abs(rnorm(100, 10, 1)))
quantiles <- quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5)
data$cutted <- cut2(data$fpkm, cuts = as.numeric(quantiles))
您将获得相同的数据帧,并添加用于拆分的列:
gene_id fpkm meth_val cutted
1 B 102.16511 8.477469 [100.4,103.2)
2 A 110.59269 9.256172 [106.4,110.9)
3 B 93.15691 10.560936 [ 92.9, 95.3)
4 B 105.74879 10.301358 [103.2,106.4)
5 A 96.12755 11.336484 [ 95.3, 96.8)
6 B 106.29204 8.286120 [103.2,106.4)
...
此外,您还可以使用cut2
指定的分位数组进行剪切。阅读更多?cut2
。