使用保留唯一值的公共值聚合行 [英] Aggregate rows with a common value retaining unique values

问题描述

我已尝试从该数据框开始执行以下操作

    Chr                Gene.Symbols
2  chr1                       GSTM1
3  chr2                     MIR4432
4  chr2                      BCL11A
5  chr2                      PAPOLG
6  chr2                   LINC01185
7  chr2                   LINC01185
8  chr2              LINC01185, REL
9  chr2                         REL
10 chr2                         REL
11 chr2                         REL
12 chr2                         REL
13 chr2                            
14 chr2                       PUS10
15 chr2             PEX13, KIAA1841

我想要此结果：

    Chr             Gene.Symbols
2  chr1             GSTM1
3  chr2             MIR4432,BCL11A,PAPOLG,LINC01185,REL,PUS10,PEX13,KIAA1841

我已经设法使用以下命令将基因符号聚合在一起：

aggregate(Gene.Symbols~Chr, data, paste, collapse = ",")

我从其他问题(如this one)中了解到此信息，但我无法删除重复项。

有人能帮帮我吗？

更新： 我还需要一个文件，每行只包含一个基因名称(没有"Chr"列)。我怎样才能变换这些基因名称呢？ 我现在从一个文件开始，该文件的行数与Chr相同，并且每一行的Gene.Symbols列中都有几个基因。

推荐答案

甚至还有另一个选项：

library(splitstackshape) # automatically loads the 'data.table'-package
cSplit(mydf, 'Gene.Symbols', sep = ','
       , direction = 'long')[, .(Gene.Symbols = toString(unique(Gene.Symbols)))
                             , by = Chr]

这提供了：

    Chr                                                    Gene.Symbols
1: chr1                                                           GSTM1
2: chr2 MIR4432, BCL11A, PAPOLG, LINC01185, REL, PUS10, PEX13, KIAA1841

这篇关于使用保留唯一值的公共值聚合行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！