r-dplyr切片:当出现平局时，根据向量进行优先级排序

Question

我正在尝试用dplyr实现以下任务。

我有一个data.frame，如下

head(test_dat)
PEAK MOTIF
1   p1    m1
2   p1    m2
3   p1    m3
4   p2    m1
5   p2    m1
6   p2    m2
7   p3    m5
8   p3    m3
9   p3    m3

我想将唯一的MOTIF分配给PEAK，这取决于使用该特定PEAK值找到它的时间。

test_dat %>% 
+   dplyr::group_by(PEAK) %>% 
+   dplyr::count(MOTIF) %>% 
+   dplyr::slice(which.max(n))

这给了我

PEAK  MOTIF     n
<fct> <fct> <int>
1 p1    m1        1
2 p2    m1        2
3 p3    m3        2

这是非常好的，除了当列n中的PEAK有平局时，它选择了第一个。也就是说，在该示例中，对于p1，m1、m2、m3被找到一次，但是在结果中分配了m1。相反，我想根据向量(例如(将MOTIF值分配给PEAK

motif_order = c("m2", "m1", "m3", "m5")

从而使结果

PEAK  MOTIF     n
<fct> <fct> <int>
1 p1    m2        1
2 p2    m1        2
3 p3    m3        2

我一直在搜索rank和slice函数，但在dplyr中找不到实现这一点的方法。如有任何建议/帮助，我们将不胜感激。

谢谢。

Answer 1

尝试：

library(dplyr)
df %>% mutate(MOTIF = factor(MOTIF, levels = c("m2", "m1", "m3", "m5"))) %>%
add_count(PEAK, MOTIF) %>%
group_by(PEAK) %>%
arrange(n, MOTIF) %>%
slice(which.max(n))

输出：

PEAK  MOTIF     n
<chr> <fct> <int>
1 p1    m2        1
2 p2    m1        2
3 p3    m3        2

如果您已经在环境中定义了motif_order，则也可以引用factor(MOTIF, levels = c("m2", "m1", "m3", "m5"))，例如factor(MOTIF, levels = motif_order)。

如果你感兴趣，类似的东西也可以在data.table:中使用

library(data.table)
setDT(df)[, MOTIF := factor(MOTIF, levels = motif_order)][, .N, by = .(PEAK, MOTIF)][
order(N, MOTIF), .SD[which.max(N)], by = PEAK]

输出：

PEAK MOTIF N
1:   p1    m2 1
2:   p2    m1 2
3:   p3    m3 2