R：将数据集分解成四分位数/十分位数。什么是正确的方法？ [英] R: splitting dataset into quartiles/deciles. What is the right method?

问题描述

我非常喜欢R，所以希望能得到一些关于如何实现我的数据操作的指针。

我有一个包含三个变量的数据数组。

  gene_id fpkm meth_val 
 1 100629094 0.000 0.0063 
 2 100628995 0.000 0.0000 
 3 102655614 111.406 0.0021 
  

我想将基于fpkm的gene_ids分为四分位数或十进制数的平均值。

将数据加载到数据框中后，我想绘制平均值。 ..

  data<  -  read.delim（myfile.tsv，sep ='\t'）
  

我可以使用以下方式确定fpkm十进制数：

  quantile（data $ fpkm，prob = seq（0，1，length = 11），type = 5 
  

其中

  0％10％20％30％40％50％
 0.000000e + 00 9.783032e-01 7.566164e + 00 3.667630e + 01 1.379986e + 02 3.076280e + 02 
 60％70％80％90％100％
 5.470552e + 02 8.8 75592e + 02 1.486200e + 03 2.974264e + 03 1.958740e + 05 
  

从那里，我会喜欢基于fpkm_val是否符合这些十分位数之一，将数据框基本上分为10组。然后，我想在ggplot中绘制每个十分位数的meth_val作为一个框图，并在十进制位上执行统计测试。

我真的坚持的主要事情是如何以正确的方式拆分我的数据集。任何帮助将非常感谢！

感谢一堆！

解决方案

另一种方式将是 dplyr 中的 ntile（）。

  library（tidyverse）
 
 foo<  -  data.frame（a = 1：100，
b = runif（100，50，200） ，
 stringsAsFactors = FALSE）
 
 foo％>％
 mutate（quantile = ntile（b，10））
 
＃ab quantile 
＃1 1 93.94754 2 
＃2 2 172.51323 8 
＃3 3 99.79261 3 
＃4 4 81.55288 2 
＃5 5 116.59942 5 
＃6 6 128.75947 6 
  

I am very new with R, so hoping I can get some pointers on how to achieve the desired manipulation of my data.

I have an array of data with three variables.

  gene_id       fpkm  meth_val
1 100629094     0.000 0.0063
2 100628995     0.000 0.0000
3 102655614   111.406 0.0021

I'd like to plot the average meth_val after stratifying my gene_ids based on fpkm into quartiles or deciles.

Once I load my data into a dataframe...

data <- read.delim("myfile.tsv", sep='\t')

I can determine the fpkm deciles using:

quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5

which yields

          0%          10%          20%          30%          40%          50%
0.000000e+00 9.783032e-01 7.566164e+00 3.667630e+01 1.379986e+02 3.076280e+02
         60%          70%          80%          90%         100%
5.470552e+02 8.875592e+02 1.486200e+03 2.974264e+03 1.958740e+05

From there, I'd like to essentially split the dataframe into 10 groups based on whether the fpkm_val fits into one of these deciles. Then I'd like to plot the meth_val of each decile in ggplot as a box plot and perform a statistical test across deciles.

The main thing I'm really stuck on is how to split my dataset in the proper way. Any assistance would be hugely appreciated!

Thanks a bunch!

解决方案

Another way would be ntile() in dplyr.

library(tidyverse)

foo <- data.frame(a = 1:100,
                  b = runif(100, 50, 200),
                  stringsAsFactors = FALSE)

foo %>%
    mutate(quantile = ntile(b, 10))

#  a         b quantile
#1 1  93.94754        2
#2 2 172.51323        8
#3 3  99.79261        3
#4 4  81.55288        2
#5 5 116.59942        5
#6 6 128.75947        6

这篇关于R：将数据集分解成四分位数/十分位数。什么是正确的方法？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！