R：从多个变量的值中定义不同的模式 [英] R: define distinct pattern from values of multiple variables

问题描述

这就是我所拥有的：

data.frame(x=c(0,0,0,1,1,1), y=c(0,0,1,0,1,1))

  x y
1 0 0
2 0 0
3 0 1
4 1 0
5 1 1
6 1 1

这里我想要什么：

data.frame(x=c(0,0,0,1,1,1), y=c(0,0,1,0,1,1), pattern=c(1,1,2,3,4,4))

  x y pattern
1 0 0       1
2 0 0       1
3 0 1       2
4 1 0       3
5 1 1       4
6 1 1       4

也就是说，我有一堆列（而不仅仅是两列）和数千行。我想遍历每一行，找出x，y，z等的不同组合，将每一个称为不同的模式，然后为每一行返回该模式。

That is, I have a bunch of columns (not just two), and thousands of rows. I want to go through each row, figure out what the distinct combinations of x, y, z, etc. are, call each one a distinct pattern, and return that pattern for each row.

（上下文：我具有多个时间点上多个基因的基因表达数据。我想通过根据在任何时间上调或下调的模式来定义模式，来尝试观察哪些基因随时间而类似地振荡

谢谢。

推荐答案

您可以使用 dplyr :: group_indices（）：

NSE版本

group_indices(df, x, y)
# [1] 1 1 2 3 4 4

SE版本

group_indices_(df, .dots = names(df))
# [1] 1 1 2 3 4 4

不幸的一面此函数的功能在于它不能与 mutate 函数一起使用（还），因此必须将其用作：

The unfortunate side of this function is that it doesn't work with mutate function (yet), so you have to use it as:

df$pattern <- group_indices(df, x, y)

---

链接的答案，即使非标准评估版不适用于 mutate ，标准评估版也可以：

---

From the linked answer, it seems that even though the non-standard evaluation version doesn't work with mutate, the standard evaluation version does:

df %>% mutate(pattern = group_indices_(df, .dots = c('x', 'y')))

这篇关于R：从多个变量的值中定义不同的模式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！