R: 将数据集划分为四分位数/十分位数.什么是正确的方法

Question

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！

Answer 1

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

Answer 2

也许这样更容易：

data$qunatil = cut( data$fpkm, quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5) )

Answer 3

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。