我的R脚本中有一个像这样的二进制表:
>class(forCount)
[1] "table"
>forCount
Gene
Filename CTX-M-27 IMI-1 IMP-39 IMP-4 KPC-2 NDM-1
batch0_01032019_ENT1 0 1 0 0 0 1
batch0_01032019_ENT2 0 0 0 0 1 1
batch0_01032019_ENT3 0 0 0 0 0 1
batch0_01032019_ENT4 0 0 0 0 0 1
batch0_01032019_ENT5 0 0 0 0 0 1
batch0_01032019_ENT6 0 0 0 0 0 1
batch0_01032019_ENT7 0 0 0 0 0 1
如何从中获得以下信息?
NDM-1 5
NDM-1&IMI-1 1
NDM-1&KPC-2 1
Edit1:以上数据为伪数据。按照@RonakShah请求添加Dput信息。这是表中我的数据的示例。
> dput(forCount)
structure(c(0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 1L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L), .Dim = c(6L, 16L), .Dimnames = structure(list(AssemblyFile = c("batch0_01032019_ENT1110",
"batch0_01032019_ENT1125", "batch0_01032019_ENT1332", "batch0_01032019_ENT1349",
"batch0_01032019_ENT1449", "batch0_01032019_ENT1607"), CPGene = c("",
"CTX-M-27", "IMI-1", "IMP-39", "IMP-4", "KPC-2", "NDM-1", "NDM-4",
"NDM-5", "NDM-7", "NDM-9", "OXA-181", "OXA-23", "OXA-232", "OXA-48",
"VIM-4")), .Names = c("AssemblyFile", "CPGene")), class = "table")
从上面粘贴的dput数据中,我期望以下输出是6个样本中的5个样本具有KPC-2,而1个样本同时具有KPC-2和CTX-M-27。
KPC-2 5
KPC-2&CTX-M-27 1
您可以将表转换为数据框,并在每行中将列名称粘贴为1作为值,并使用table
进行计数。
df <- as.data.frame.matrix(forCount)
table(apply(df, 1, function(x) paste(names(df)[which(x == 1)], collapse = " & ")))
#CTX-M-27 & KPC-2 KPC-2
# 1 5
我们可以将数据转换为tibble
,然后使用tidyverse
方法
library(dplyr)
as_tibble(forCount) %>%
filter(n ==1) %>%
group_by(AssemblyFile) %>%
summarise(CPGene = toString(CPGene)) %>%
count(CPGene)
# A tibble: 2 x 2
# CPGene n
#* <chr> <int>
#1 CTX-M-27, KPC-2 1
#2 KPC-2 5