提取一定比例的列满足过滤器

Question

我有一个df：

df <- data.frame(genename = c("A","B","C","D"),
             sample1 = c(10,0,50,0), 
             sample2 = c(0,30,0,70), 
             sample3 = c(50,0,0,30), 
             sample4 = c(0,0,0,10))

我想用至少50％的列提取行例如对于DF Genename A和D满足要求

我已经为所有专栏

解决了这个问题

df2<-as.data.frame(df[apply(df ,MARGIN=1, function(x) all(x>0)),])

，但我无法为满足要求的列的一百分点而解决？

Answer 1

方法1

使用基本R的解决方案：

df[apply(df[, -1], 1, function(x) sum(x > 0) / length(x)) > 0.5, ]
#  genename sample1 sample2 sample3 sample4
#1        A      10       0      50      70
#4        D       0      70      30      10

说明：基于>0条目的百分比为>50%的滤波行，除第一个列外。

。

方法2

使用dplyr的解决方案：

df %>% mutate(frac = rowSums(.[-1] > 0) / length(.[-1])) %>% filter(frac > 0.5)
#  genename sample1 sample2 sample3 sample4 frac
#1        A      10       0      50      70 0.75
#4        D       0      70      30      10 0.75

Answer 2

这是一个通用解决方案：

df <- data.frame(genename = c("A","B","C","D"),               
            sample1 = c(0,10,0,0), sample2 = c(10,30,50,0), sample3=c(0,40,50,10), sample4=c(0,40,0,10))
df[(rowSums(df[-1]>0))>= (ncol(df[-1])/2),]
#   genename sample1 sample2 sample3 sample4
# 2        B      10      30      40      40
# 3        C       0      50      50       0
# 4        D       0       0      10      10

这将适用于您的基因名称的任何数据框架，并且您希望其他50％或更多的其他列具有非零值。

逻辑如下：

将数据帧从第二列开始：df[-1]开始，然后将其转换为具有TRUE的逻辑数据框，其中有一个大于0：df[-1]>0的值。然后找出每行中有多少列具有TRUE：rowSums(df[-1]>0)。这返回一个长度nrow(df)的向量，其值等于df相应行的每个列中的非零值的数量。使用它来生成这些行的逻辑向量，其中至少一半的样品值大于0： rowSums(df[-1]>0) >= ncol(df[-1])/2，并通过行子集df来获取使表达式TRUE的行。

Answer 3

尝试以下：

df[ 
  apply( df[, -1], 1, function(x) sum(x>0)/length(x) > 0.5 ) , 
]
      genename sample1 sample2 sample3 sample4
1        A      10       0      50      70
4        D       0      70      30      10