如何使用dplyr提取数据框每行排除Ref对应碱基列的最高值
解决方案(dplyr实现)
原始数据中A/C/T/G四列为字符类型,需先转为数值型才能正确比较大小,完整处理逻辑如下:
# 加载dplyr包 library(dplyr) # 核心处理代码 res <- mydf %>% # 将碱基计数列转为数值型 mutate(across(c(A, C, T, G), as.numeric)) %>% # 按行处理 rowwise() %>% mutate( # 排除当前行Ref对应的列后,取剩余列的最大值 max_non_ref = max(c_across(c(A,C,T,G))[names(c_across(c(A,C,T,G))) != Ref]) ) %>% ungroup()
运行后得到的res数据框会新增max_non_ref列,结果完全符合需求:
| POS | A | C | T | G | Ref | max_non_ref |
|---|---|---|---|---|---|---|
| 1 | 10 | 1 | 6 | 0 | A | 6 |
| 2 | 10 | 8 | 2 | 0 | A | 8 |
| 3 | 6 | 2 | 10 | 2 | T | 6 |
| 4 | 1 | 7 | 8 | 11 | C | 11 |
如果需要同时返回最大值对应的碱基名称,可以调整mutate部分的逻辑:
res <- mydf %>% mutate(across(c(A, C, T, G), as.numeric)) %>% rowwise() %>% mutate( max_non_ref = max(c_across(c(A,C,T,G))[names(c_across(c(A,C,T,G))) != Ref]), max_base = names(which(c_across(c(A,C,T,G)) == max_non_ref & names(c_across(c(A,C,T,G))) != Ref))[1] ) %>% ungroup()
如果存在多个并列最大值的情况,上述代码默认取第一个出现的碱基,如需返回所有并列值,移除代码最后的[1]用列表存储结果即可。
内容的提问来源于stack exchange,提问作者CoDa
相关产品推荐
相关产品推荐

