web-dev-qa-db-fra.com

Comment conserver les noms de trame de données de base lors du filtrage dans la chaîne dplyr

J'ai le cadre de données suivant:


df <- structure(list(BoneMarrow = c(30, 0, 0, 31138, 2703), Pulmonary = c(3380, 
21223.3333333333, 0, 0, 27)), row.names = c("ATP1B1", "CYCS", 
"DDX5", "GNB2L1", "PRR11"), class = "data.frame", .Names = c("BoneMarrow", 
"Pulmonary"))

df 
#>        BoneMarrow Pulmonary
#> ATP1B1         30   3380.00
#> CYCS            0  21223.33
#> DDX5            0      0.00
#> GNB2L1      31138      0.00
#> PRR11        2703     27.00

Ce que je veux faire est de supprimer les lignes de valeur <8 dans l’une des colonnes. J'ai essayé cela, mais les noms de ligne (par exemple, ATP1B1, CYCS, etc.) ont disparu:

> df %>% filter(!apply(., 1, function(row) any(row <= 8 )))
  BoneMarrow Pulmonary
1         30      3380
2       2703        27

Comment puis-je préserver cela dans la chaîne dplyr?

rdplyr
17
scamander

vous pouvez convertir les noms de ligne en colonne et revenir en arrière après le filtrage:

library(dplyr)
library(tibble)  # for `rownames_to_column` and `column_to_rownames`

df %>%
    rownames_to_column('gene') %>%
    filter_if(is.numeric, all_vars(. >= 8)) %>%
    column_to_rownames('gene')

#        BoneMarrow Pulmonary
# ATP1B1         30      3380
# PRR11        2703        27
29
mt1022

dplyr peut certainement résoudre ce problème, pourquoi ne pas essayer ceci en utilisant la base R Boolean

df[rowSums(df>8)==dim(df)[2],] 

       BoneMarrow Pulmonary
ATP1B1         30      3380
PRR11        2703        27

EDIT1: Ou vous pouvez faire df[!rowSums(df<8),] (selon @ user20650) vous donnera le même résultat.

4
Wen-Ben

Voici une autre méthode base R avec Reduce

df[Reduce(`&`, lapply(df, `>=`, 8)),]
#       BoneMarrow Pulmonary
#ATP1B1         30      3380
#PRR11        2703        27
3
akrun

Pour les comptages de gènes, vous voulez souvent savoir si au moins x échantillons ont plus que y comptages, plutôt que sur tous les échantillons.

Pas aussi beau que filter_if, mais je ne suis pas sûr de la façon dont vous implémenteriez les mêmes conditions rowSums avec all_vars

   x <- sample_threshold  
   y <- count_threshold

   require(dplyr) 
   require(tibble)

   df %>%  
       tibble::rownames_to_column('gene') %>%  
       dplyr::filter(rowSums(dplyr::select(., -gene) > y) > x) %>%  
       tibble::column_to_rownames('gene')
1
Alexis Lucattini