我有一个庞大的数据与来自不同群体的基因型信息设置。 我想通过人口对数据进行排序,但我不知道怎么办。
我想通过“pedigree_dhl”进行排序。 我是使用下面的代码,但我一直收到错误消息。
newdata <- project[pedigree_dhl == CCB133$*1, ]
我的问题是也,谓“血统-DHL”所包含的各个基因型的所有名称。 只有在列'血统,DHL的第7个字母是人口name.In这个例子:CCB133。 我怎样才能知道R,那我想提取包含CCB133所有列的数据,?
Allele1 Allele2 SNP_name gs_entry pedigree_dhl
1 T T ZM011407_0151 656 CCB133$*1
2 T T ZM009374_0354 656 CCB133$*1
3 C C ZM003499_0591 656 CCB133$*1
4 A A ZM003898_0594 656 CCB133$*1
5 C C ZM004887_0313 656 CCB133$*1
6 G G ZM000583_1096 656 CCB133$*1
你可能要考虑grep
在对答案使用正则表达式来选择R中数据帧行 。 适合您的数据:
df <- read.table(text=" Allele1 Allele2 SNP_name gs_entry pedigree_dhl
1 T T ZM011407_0151 656 CCB133$*1
2 T T ZM009374_0354 656 CCB133$*1
3 C C ZM003499_0591 656 CCB133$*1
4 A A ZM003898_0594 656 CCB133$*1
5 C C ZM004887_0313 656 CCB133$*1
6 G G ZM000583_1096 656 CCB133$*1", header=T)
# put into df1 all rows where pedigree_dhl starts with CCB133$
p1 <- 'CCB133$'
df1 <- subset(df, grepl(p1, pedigree_dhl) )
但是你的问题意味着你可能要选择出七个字母的名字,或者只是通过系谱名行进行排序,它可能会更容易在一个排序的数据帧,以保持所有行在一起。 所有这三个操作:子设置,提取新的列或排序,可以独立进行。
# If you want to create a new column based
# on the first seven letter of SNP_name (or any other variable)
df$SNP_7 <- substr(df$SNP_name, start=1, stop=7)
# If you want to order by pedigree_dhl
# then you don't need to select out the rows into a new dataframe
df <- df[ with(df, order(df$pedigree_dhl)), ]
所有这一切都可能是明显的 - 我将它们添加简单的完整性。