数据框取子集、修改和连接的方法

2023-03-20 16:29:22 浏览数 (1)

title: "数据框取子集、修改和连接的方法"

output: html_document

date: "2023-03-18"

先生成一个数据框df1作为示例数据框

代码语言：text复制
df1 <- data.frame(gene   = paste0("gene",1:4),
                 change  = rep(c("up","down"),each = 2),
                 score   = c(5,3,-2,-4))
df1
代码语言：txt复制
##    gene change score
## 1 gene1     up     5
## 2 gene2     up     3
## 3 gene3   down    -2
## 4 gene4   down    -4

1.数据框取子集

（1）按列取子集：用"$"符号

代码语言：text复制
df1$gene        #df1后加"$"，再按tab键可以直接选择df1的列名
代码语言：txt复制
## [1] "gene1" "gene2" "gene3" "gene4"
代码语言：text复制
df1$score
代码语言：txt复制
## [1]  5  3 -2 -4
代码语言：text复制
mean(df1$score) #计算scroe这一列的均值
代码语言：txt复制
## [1] 0.5

（2）按名字取子集：

代码语言：text复制
df1[,"gene"]
代码语言：txt复制
## [1] "gene1" "gene2" "gene3" "gene4"
代码语言：text复制
df1[,c('gene','change')]
代码语言：txt复制
##    gene change
## 1 gene1     up
## 2 gene2     up
## 3 gene3   down
## 4 gene4   down

（3）按逻辑值取（条件）子集：

代码语言：text复制
df1[df1$score>0,]  #取score>0的行
代码语言：txt复制
##    gene change score
## 1 gene1     up     5
## 2 gene2     up     3

（4）按坐标位置取子集：

代码语言：text复制
df1[2,]            #取第2行
代码语言：txt复制
##    gene change score
## 2 gene2     up     3
代码语言：text复制
df1[,2]            #取第2列
代码语言：txt复制
## [1] "up"   "up"   "down" "down"
代码语言：text复制
df1[2,2]           #取第2行，第2列
代码语言：txt复制
## [1] "up"
代码语言：text复制
df1[c(1,3),1:2]    #取第1和第3行，第1和第2列
代码语言：txt复制
##    gene change
## 1 gene1     up
## 3 gene3   down

运用代码提取数据框特殊的列

1）如何取数据框的最后一列？

代码语言：text复制
df1[,ncol(df1)]  #最后一列就是列数值
代码语言：txt复制
## [1]  5  3 -2 -4

2）如何取数据框除了最后一列以外的其他列？

代码语言：text复制
df1[,-ncol(df1)]
代码语言：txt复制
##    gene change
## 1 gene1     up
## 2 gene2     up
## 3 gene3   down
## 4 gene4   down

3）筛选score > 0的基因

代码语言：text复制
df1[df1$score > 0,1]       #方法1
代码语言：txt复制
## [1] "gene1" "gene2"
代码语言：text复制
df1[df1$score > 0,"gene"]  #方法2
代码语言：txt复制
## [1] "gene1" "gene2"
代码语言：text复制
df1$gene[df1$score > 0]    #方法3
代码语言：txt复制
## [1] "gene1" "gene2"
方法3中gene列和score列是一一对应的，所以逻辑值通用。
对于x逻辑值向量，用于取子集的逻辑值向量与x对应即可，不必须由x生成。

2.数据框修改

（1）改一个格

代码语言：text复制
df1[3,3] <- 5
df1
代码语言：txt复制
##    gene change score
## 1 gene1     up     5
## 2 gene2     up     3
## 3 gene3   down     5
## 4 gene4   down    -4

（2）改一整列

代码语言：text复制
df1$score <- c(12,23,50,2)     
df1
代码语言：txt复制
##    gene change score
## 1 gene1     up    12
## 2 gene2     up    23
## 3 gene3   down    50
## 4 gene4   down     2

（3）新增一列

代码语言：text复制
df1$p.value <- c(0.01,0.02,0.07,0.05) 
df1
代码语言：txt复制
##    gene change score p.value
## 1 gene1     up    12    0.01
## 2 gene2     up    23    0.02
## 3 gene3   down    50    0.07
## 4 gene4   down     2    0.05

（4）改行名和列名——本质是在修改向量

代码语言：text复制
rownames(df1) <- c("r1","r2","r3","r4")
df1
代码语言：txt复制
##     gene change score p.value
## r1 gene1     up    12    0.01
## r2 gene2     up    23    0.02
## r3 gene3   down    50    0.07
## r4 gene4   down     2    0.05

（5）只修改某一行/列的名——本质也是在修改向量

代码语言：text复制
colnames(df1)[2] <- "CHANGE"
df1
代码语言：txt复制
##     gene CHANGE score p.value
## r1 gene1     up    12    0.01
## r2 gene2     up    23    0.02
## r3 gene3   down    50    0.07
## r4 gene4   down     2    0.05

（6）按照某一列去重复

代码语言：text复制
df1[!duplicated(df1$CHANGE),]
代码语言：txt复制
##     gene CHANGE score p.value
## r1 gene1     up    12    0.01
## r3 gene3   down    50    0.07

3.两个数据框的连接——merge函数

先生成3个数据框：

代码语言：text复制
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
                    blood_type = c("A","B","O","AB"))
test1
代码语言：txt复制
##     name blood_type
## 1  jimmy          A
## 2 nicker          B
## 3  Damon          O
## 4 Sophie         AB
代码语言：text复制
test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2
代码语言：txt复制
##     name  group vision
## 1  Damon group1    4.2
## 2  jimmy group1    4.3
## 3 nicker group2    4.9
## 4   tony group2    4.5
代码语言：text复制
test3 <- data.frame(NAME = c('Damon','jimmy','nicker','tony'),
                    weight = c(140,145,110,138))
test3
代码语言：txt复制
##     NAME weight
## 1  Damon    140
## 2  jimmy    145
## 3 nicker    110
## 4   tony    138

（1）当两个数据框有共同的列名时，在merge函数中用by = "共同列名"将两个数据框连接

代码语言：text复制
merge(test1,test2,by="name")
代码语言：txt复制
##     name blood_type  group vision
## 1  Damon          O group1    4.2
## 2  jimmy          A group1    4.3
## 3 nicker          B group2    4.9

（2）当两个数据框没有共同的列名，且存在有交集的共同列时，在merge函数中用by.x = 和by.y = 将两个数据框连接，注意对应关系

代码语言：text复制
merge(x = test1,y = test3,by.x = "name",by.y = "NAME")
代码语言：txt复制
##     name blood_type weight
## 1  Damon          O    140
## 2  jimmy          A    145
## 3 nicker          B    110

merge()函数只能用于数据框的连接！

4.两个数据框的连接——join函数

代码语言：text复制
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
                    blood_type = c("A","B","O","AB"))
test1
代码语言：txt复制
##     name blood_type
## 1  jimmy          A
## 2 nicker          B
## 3  Damon          O
## 4 Sophie         AB
代码语言：text复制
test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2
代码语言：txt复制
##     name  group vision
## 1  Damon group1    4.2
## 2  jimmy group1    4.3
## 3 nicker group2    4.9
## 4   tony group2    4.5
代码语言：text复制
library(dplyr)
inner_join(test1,test2,by="name") #取交集
代码语言：txt复制
##     name blood_type  group vision
## 1  jimmy          A group1    4.3
## 2 nicker          B group2    4.9
## 3  Damon          O group1    4.2
代码语言：text复制
right_join(test1,test2,by="name") #右连接，保留右边表格的name列，缺失值填充NA
代码语言：txt复制
##     name blood_type  group vision
## 1  jimmy          A group1    4.3
## 2 nicker          B group2    4.9
## 3  Damon          O group1    4.2
## 4   tony       <NA> group2    4.5
代码语言：text复制
full_join(test1,test2,by="name")  #全连接，两个表的name列都要，缺失值填充NA
代码语言：txt复制
##     name blood_type  group vision
## 1  jimmy          A group1    4.3
## 2 nicker          B group2    4.9
## 3  Damon          O group1    4.2
## 4 Sophie         AB   <NA>     NA
## 5   tony       <NA> group2    4.5
代码语言：text复制
semi_join(test1,test2,by="name")  #半连接，左边表格中的人名在右边表格中存在的行则保留，否则删去
代码语言：txt复制
##     name blood_type
## 1  jimmy          A
## 2 nicker          B
## 3  Damon          O
代码语言：text复制
anti_join(test1,test2,by="name")  #反连接，左边表格中的人名在右边表格中不存在的行保留，否则删去
代码语言：txt复制
##     name blood_type
## 1 Sophie         AB

引用自生信技能树

date document merge title 连接

0 人点赞