filtrer les lignes qui ont un ou des plis spécifiques

Nov 28 2020

J'apprends toujours R, j'ai cet ensemble de données , il a 5 colonnes, la première colonne est tracking_id, les quatre colonnes suivantes ont des valeurs de quatre groupes.

Je veux filtrer les lignes après avoir comparé les trois dernières colonnes ("CD44hi_CD69low_rep", "CD44hi_CD69hi_CD103low_rep", "CD44hi_CD69hi_CD103hi_rep") qui sont 8 fois plus haut ou 4 fois plus bas que la colonne ("CD44low_rep").

Comment y parvenir?

Réponses

1 akrun Nov 28 2020 at 05:10

Nous multiplions la colonne 'CD44low_rep' par 8 et 4, puis comparons-la avec les colonnes d'intérêt en utilisant >=et <=respectivement, obtenons la somme par ligne des valeurs TRUE avec rowSums, vérifions si elle est égale à 3 (c'est-à-dire le nombre de colonnes comparées), utilisons &pour renvoyer un seul vecteur logique à partir des deux comparaisons et l'utiliser pour sous-ensemble les lignes

nm1 <- c("CD44hi_CD69low_rep",  "CD44hi_CD69hi_CD103low_rep", 
         "CD44hi_CD69hi_CD103hi_rep")
i1 <- (rowSums(df1[nm1]  >= (df1$CD44low_rep * 8)) == 3) & (rowSums(df1[nm1] <= (df1$CD44low_rep * 4)) == 3)

df1[i1,]
# A tibble: 798 x 5
#   tracking_id   CD44low_rep CD44hi_CD69low_rep CD44hi_CD69hi_CD103low_rep CD44hi_CD69hi_CD103hi_rep
#   <chr>               <dbl>              <dbl>                      <dbl>                     <dbl>
# 1 1600014C23Rik           0                  0                          0                         0
# 2 1600019K03Rik           0                  0                          0                         0
# 3 1700006E09Rik           0                  0                          0                         0
# 4 1700010M22Rik           0                  0                          0                         0
# 5 1700011A15Rik           0                  0                          0                         0
# 6 1700016P04Rik           0                  0                          0                         0
# 7 1700018G05Rik           0                  0                          0                         0
# 8 1700019A02Rik           0                  0                          0                         0
# 9 1700024B18Rik           0                  0                          0                         0
#10 1700024G13Rik           0                  0                          0                         0
# … with 788 more rows

Ou en utilisant dplyr, nous utilisons la même expression en boucle sur les colonnes d'intérêt avec across(par défaut, il vérifie les allcolonnes)

library(dplyr)
df1 %>%
     filter(across(contains('hi'), ~ (. >= (CD44low_rep * 8)) & 
                (. <= (CD44low_rep * 4))))

-production

# A tibble: 798 x 5
#   tracking_id   CD44low_rep CD44hi_CD69low_rep CD44hi_CD69hi_CD103low_rep CD44hi_CD69hi_CD103hi_rep
#   <chr>               <dbl>              <dbl>                      <dbl>                     <dbl>
# 1 1600014C23Rik           0                  0                          0                         0
# 2 1600019K03Rik           0                  0                          0                         0
# 3 1700006E09Rik           0                  0                          0                         0
# 4 1700010M22Rik           0                  0                          0                         0
# 5 1700011A15Rik           0                  0                          0                         0
# 6 1700016P04Rik           0                  0                          0                         0
# 7 1700018G05Rik           0                  0                          0                         0
# 8 1700019A02Rik           0                  0                          0                         0
# 9 1700024B18Rik           0                  0                          0                         0
#10 1700024G13Rik           0                  0                          0                         0
# … with 788 more rows