Início / coding / Perguntas / 77495644
Accepted
user2380782
Asked: 2023-11-16 22:28:02 +0800 CST

alternar valores de coluna no dataframe em R com base na combinação de duas colunas

  • 772

Tenho uma dúvida sobre como alterar os valores dos caracteres em um data.frame de acordo com combinações baseadas em duas colunas. Vou tentar dar um exemplo de como fica o data.frame

data <- data.frame(A1 = c("A", "T", "C"), A2 = c("C", "G", "T"), 
                   Ind1 = c("AA", "TG", "TT"), Ind2 = c("CA", "GT", "CT"),
                   Ind3 = c("AC", "GG", "TC"))

> data
  A1 A2 Ind1 Ind2 Ind3
1  A  C   AA   CA   AC
2  T  G   TG   GT   GG
3  C  T   TT   CT   TC

Quero alterar os valores nas colunas de Ind1 para Ind3 que não correspondem às combinações possíveis das colunas A1e A2, por exemplo, na primeira linha, A1é um Ae A2é um, Centão as combinações possíveis seriam AA, AC, CC(combinação baseada em A1, e A2naquela ordem). Portanto, o Ind2 deveria ser ACem vez de CA.

A saída desejada seria esta:

> data
  A1 A2 Ind1 Ind2 Ind3
1  A  C   AA   AC   AC
2  T  G   TG   TG   GG
3  C  T   TT   CT   CT

Eu tentei com switchmas não funciona. Qualquer ajuda seria apreciada. Obrigado

3 respostas

  1. Best Answer

    Se entendi a pergunta corretamente e supondo que você tenha apenas duas cartas para lidar, há apenas um caso que precisará ser editado; é quando as letras estão na ordem inversa, ou seja, 'A2A1'. Todos os outros casos estarão corretos. Então você poderia gerenciar isso com uma simples ifelsemutação.

    data <- data.frame(A1 = c("A", "T", "C"), A2 = c("C", "G", "T"), 
                   Ind1 = c("AA", "TG", "TT"), Ind2 = c("CA", "GT", "CT"),
                   Ind3 = c("AC", "GG", "TC"))

library(dplyr)

data |> 
  mutate(across(starts_with("Ind"), ~ ifelse(.x == paste0(A2, A1), paste0(A1, A2), .x)))
#>   A1 A2 Ind1 Ind2 Ind3
#> 1  A  C   AA   AC   AC
#> 2  T  G   TG   TG   GG
#> 3  C  T   TT   CT   CT

    Em resposta aos comentários do OP, usando dados "reais":

    
df2 <- structure(list(chr = "chr11", pos = "74565122", snp_id = "chr11_74565122_C_T_b38",     Allele1 = "C", Allele2 = "T", GTEX_111CU = "TT", GTEX_111YS = "CT",     GTEX_1122O = "TC", GTEX_117XS = "TC", GTEX_117YX = "TC"), class = "data.frame", row.names = c(NA, -1L))

df2
#>     chr      pos                 snp_id Allele1 Allele2 GTEX_111CU GTEX_111YS
#> 1 chr11 74565122 chr11_74565122_C_T_b38       C       T         TT         CT
#>   GTEX_1122O GTEX_117XS GTEX_117YX
#> 1         TC         TC         TC

mutate(df2, across(starts_with("GTEX"), ~ ifelse(.x %in% paste0(Allele2, Allele1), paste0(Allele1, Allele2), .x)))
#>     chr      pos                 snp_id Allele1 Allele2 GTEX_111CU GTEX_111YS
#> 1 chr11 74565122 chr11_74565122_C_T_b38       C       T         TT         CT
#>   GTEX_1122O GTEX_117XS GTEX_117YX
#> 1         CT         CT         CT
    • 5

  2. Além do truque muito inteligente de Peter, se você quiser uma solução um pouco mais codificada na base R, você pode usar splitas strings linha por linha, sortde acordo com a ordem em A1 e A2, e pastevice-versa. Isso é independente do número de letras a serem solicitadas:

    cols <- grep("Ind", colnames(data))
data[cols] <- 
  apply(data, 1, \(x){
    strsplit(x[cols], "") |> 
      sapply(\(y) factor(y, levels = x[-cols]) |> 
               sort() |> 
               paste(collapse = ""))
  })) |> 
  t()

#   A1 A2 Ind1 Ind2 Ind3
# 1  A  C   AA   AC   AC
# 2  T  G   TG   TG   GG
# 3  C  T   TT   CT   CT
    • 3

  3. Poderíamos usar um padrão regex para testar a validade do combo e depois reverter a string se ela não for válida:

    library(dplyr)
library(stringr)
data |>
  mutate(across(starts_with("Ind"), \(x) ifelse(
    str_detect(x, pattern = sprintf("^%s{0,2}%s{0,2}$", A1, A2)),
    x,
    stringi::stri_reverse(x))
  ))
#   A1 A2 Ind1 Ind2 Ind3
# 1  A  C   AA   AC   AC
# 2  T  G   TG   TG   GG
# 3  C  T   TT   CT   CT
    • 3

relate perguntas