web-dev-qa-db-ja.com

R：データセットを四分位数/十分位数に分割します。正しい方法は何ですか？

私はRに非常に慣れていないので、データの望ましい操作を実現する方法についてのポインタが得られることを期待しています。

3つの変数を持つデータの配列があります。

  gene_id       fpkm  meth_val
1 100629094     0.000 0.0063
2 100628995     0.000 0.0000
3 102655614   111.406 0.0021

Fpkmに基づいてgene_idを四分位数または10分位に階層化した後、平均のmeth_valをプロットしたいと思います。

データをデータフレームにロードしたら...

data <- read.delim("myfile.tsv", sep='\t')

私はfpkmの十分位数を決定できます：

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

これは

          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

そこから、fpkm_valがこれらの十分位の1つに適合するかどうかに基づいて、データフレームを基本的に10グループに分割したいと思います。次に、各10分位数のmeth_valをggplotにボックスプロットとしてプロットし、10進値全体で統計的検定を実行します。

私が本当に行き詰まっている主なことは、データセットを適切な方法で分割する方法です。どんな援助でも大歓迎です！

本当にありがとう！

rplotdataframe
11
user1995839

別の方法は、dplyrのntile()です。

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
31
jazzurro

おそらくこのように簡単です：

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

7
Adii_

Hmiscライブラリとcut2関数を使用してみてください。カットポイントを指定することで、ベクトルを異なるグループにカットできます。次に例を示します。

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))

そして、分割用の追加の列を持つ同じデータフレームを取得します。

    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)
...

さらに、分位点グループで指定するcut2を使用してカットすることもできます。詳細?cut2。

1
adomasb