主页 / coding / 问题 / 79568981
Accepted
Paolo Lorenzini
Asked: 2025-04-11 21:42:20 +0800 CST

在数据框上按行应用具有两个参数的函数

  • 772

我有一个参考和查询序列：

ref_seq <- "ATTT"
df <- data.frame(V1=c("AATT", "TTTT", "GGTT"))

我想返回与参考相比每个查询序列中不匹配的位置：

seqdiff <- function(seq1, seq2) {
  seq <- strsplit(c(seq1, seq2), split= '')
  mismatches <- which(seq[[1]] != seq[[2]])
  return(mismatches)
}
    
apply(X=df, MARGIN=2, function(x) seqdiff(x, ref_seq))

#      V1
# [1,]  1
# [2,]  2

预期输出：

#      V1
# [1,]  2
# [2,]  1
# [3,]  1 2

5 个回答

  1. Best Answer

    鉴于这些可能是核苷酸序列，您可以考虑该adist函数。在其他情况下，它可以用于确定将一个字符串转换为另一个字符串所需的最小插入、删除和替换的加权次数。这允许在转换过程中计算计数，以及“trafos”属性中的转换序列（M = 匹配，I = 插入，D = 删除，S = 替换）。

    df$trafos <- attr(adist(df$V1, ref_seq, counts = TRUE), "trafos")
df$substitution <- gregexpr("S", df$trafos)
df

    V1 trafos substitution
1 AATT   MSMM            2
2 TTTT   SMMM            1
3 GGTT   SSMM         1, 2
    • 5

  2. 1）这将生成一个数据框，其mismatch列是向量列表。

    library(dplyr)
out <- df %>%
  rowwise %>%
  mutate(mismatch = list(seqdiff(V1, ref_seq))) %>%
  ungroup

str(out)
## tibble [3 × 2] (S3: tbl_df/tbl/data.frame)
##  $ V1      : chr [1:3] "AATT" "TTTT" "GGTT"
##  $ mismatch:List of 3
##   ..$ : int 2
##   ..$ : int 1
##   ..$ : int [1:2] 1 2

str(out$mismatch)
## List of 3
##  $ : int 2
##  $ : int 1
##  $ : int [1:2] 1 2

    2）mismatch除了列是字符向量之外，这个是相同的。

    library(dplyr)

out <- df %>%
  rowwise %>%
  mutate(mismatch = toString(seqdiff(V1, ref_seq))) %>%
  ungroup
out
## # A tibble: 3 × 2
##   V1    mismatch
##   <chr> <chr>   
## 1 AATT  2       
## 2 TTTT  1       
## 3 GGTT  1, 2

    3)这解除了（1）的嵌套，给出了一个长格式数据框，其中每个输入行的输出可以跨越多个输出行。

    library(dplyr)
library(tidyr)

out <- df %>%
  rowwise %>%
  mutate(mismatch = list(seqdiff(V1, ref_seq))) %>%
  ungroup %>%
  unnest(mismatch)
out
## A tibble: 4 × 2
##   V1    mismatch
##   <chr>    <int>
## 1 AATT         2
## 2 TTTT         1
## 3 GGTT         1
## 4 GGTT         2

library(igraph)

set.seed(123)
g <- graph_from_data_frame(out)
plot(g)

    （图片后继续） 截屏

    4）要使用apply该功能，应使用list或toString

    out <- apply(df, 1, \(x) list(seqdiff(x, ref_seq)))
str(out)
List of 3
 $ :List of 1
  ..$ : int 2
 $ :List of 1
  ..$ : int 1
 $ :List of 1
  ..$ : int [1:2] 1 2

out <- apply(df, 1, \(x) toString(seqdiff(x, ref_seq)))
out
## [1] "2"    "1"    "1, 2"
    • 1

  3. 一种方法substr

    sapply(df$V1, \(seq) 
  which(sapply(seq_len(nchar(ref_seq)), \(x) 
    substr(ref_seq, x, x) != substr(seq, x, x))))
$AATT
[1] 2

$TTTT
[1] 1

$GGTT
[1] 1 2

    如果您只想匹配特定位置，请在ref_seq中使用空格，例如

    ref_seq <- " GTA"

sapply(df$V1, \(seq) 
  which(sapply(seq_len(nchar(ref_seq)), \(x) 
    substr(ref_seq, x, x) != substr(seq, x, x) & 
    (substr(ref_seq,x ,x) != " "))))
$AATT
[1] 2 4

$TTTT
[1] 2 4

$GGTT
[1] 4

    以数据框格式获取结果

    as.matrix(lapply(df$V1, \(seq)
  which(sapply(seq_len(nchar(ref_seq)), \(x)
    substr(ref_seq, x, x) != substr(seq, x, x))))) |>
  `colnames<-`(ref_seq) |>
  data.frame()
  ATTT
1    2
2    1
3 1, 2
    • 1

  4. 如果nchar的ref_seq和的所有元素的V1长度相同，我们可以尝试vapply()，utf8ToInt()其中which()。

    M = vapply(V1, utf8ToInt, numeric(4)) 
i = which(M != utf8ToInt(ref_seq), arr.ind = TRUE)
V2 = with(data.frame(i),  split(row, col)) |> sapply(toString)

    > data.frame(V1, V2)
    V1   V2
1 AATT    2
2 TTTT    1
3 GGTT 1, 2

    从i到 的强制转换V2可以改进；我还没有更好的主意。

    笔记

    # input data
ref_seq = "ATTT"
V1 = c("AATT", "TTTT","GGTT")
    • 0

  5. 您可以使用!=并mapply解析TRUE位置toString。

    > s <- \(x) {strsplit(x, '')}
> apply(mapply(`!=`, s(ref_seq), s(df$V1)), 2, \(x) toString(which(x)))
[1] "2"    "1"    "1, 2"

    注意：避免对 s 进行逐行操作data.frame，这非常低效。记住， adata.frame实际上是一串向量，相邻位置显示为行——因此可以考虑使用mapply()或Map()。apply()是为矩阵设计的（正如本解决方案中应用的那样），很少（甚至根本不）用于data.frames。

    • 0

相关问题