3

Dada una tabla como esta:

       df:
       Habitat           Spp_site           Spp           Site   NGS      RT-PCR
        Crop           Amaranthus_M2V      Amaranthus      M2V    1         1
        Crop           Amaranthus_M3V      Amaranthus      M2V    1         0
        Crop           Convolvulus_M1V     Convolvulus     M1V    0         0
        Wasteland      Convolvulus_E1P     Convolvulus     E1P    1         1
        Oak            Convolvulus_Q2P     Convolvulus     Q2P    1         1
        Oak            Anchusa_Q1P         Anchusa         Q1P    0         1        

Me gustaría comprimir esta tabla en base a los datos de la columna de NGS Y RT-PC, obteniendo un output como este:

   df_out:
    Spp          Habitat           NGS         RTPCR
    Amaranthus    Crop             2/2          1/2
    Convolvulus   Crop             0/1          0/1
    Convolvulus   Wasteland        1/1          1/1
    Convolvulus   Oakwood          1/1          1/1
    Anchusa       Oakwood          0/1          1/1

La columna NGS daría es el número de spp que se ha secuenciado frente al total de esa especie,teniendo en cuenta de cada hábitat son. Por otro lado la columna RT-PCR sería valor RT-PCR frente al total.

No encuentro la manera de hacer esto. Gracias de antemano. Un saludo.

1 respuesta 1

2

Suponiendo estos datos:

df <- read.table(text="Habitat           Spp_site           Spp           Site   NGS      RT-PCR
Crop           Amaranthus_M2V      Amaranthus      M2V    1         1
Crop           Amaranthus_M3V      Amaranthus      M2V    1         0
Crop           Convolvulus_M1V     Convolvulus     M1V    0         0
Wasteland      Convolvulus_E1P     Convolvulus     E1P    1         1
Oak            Convolvulus_Q2P     Convolvulus     Q2P    1         1
Oak            Anchusa_Q1P         Anchusa         Q1P    0         1", header=TRUE, stringsAsFactors=FALSE)

df
    Habitat        Spp_site         Spp Site NGS RT.PCR
1      Crop  Amaranthus_M2V  Amaranthus  M2V   1      1
2      Crop  Amaranthus_M3V  Amaranthus  M2V   1      0
3      Crop Convolvulus_M1V Convolvulus  M1V   0      0
4 Wasteland Convolvulus_E1P Convolvulus  E1P   1      1
5       Oak Convolvulus_Q2P Convolvulus  Q2P   1      1
6       Oak     Anchusa_Q1P     Anchusa  Q1P   0      1

Importante: nota el nombre de la columna RT-PCR deberías modificarla por un nombre menos ambiguo, en este caso se hizo automáticamente y se renombró como RT.PCR

Con dplyr se puede plantear una solución bastante simple, que dependerá de la cantidad de columnas que tengas:

library(tidyverse)

df %>% 
  group_by(Habitat, Spp) %>% 
  summarize(NGS = paste(sum(NGS),n(),sep="/"),
            RT.PCR = paste(sum(RT.PCR),n(),sep="/")
            )

# A tibble: 5 x 4
# Groups:   Habitat [3]
  Habitat   Spp         NGS   RT.PCR
  <chr>     <chr>       <chr> <chr> 
1 Crop      Amaranthus  2/2   1/2   
2 Crop      Convolvulus 0/1   0/1   
3 Oak       Anchusa     0/1   1/1   
4 Oak       Convolvulus 1/1   1/1   
5 Wasteland Convolvulus 1/1   1/1 

El truco es agrupar por Habitat y Spp para luego "sumarizar" cada columna, en cuanto a los valores que buscas a) La cantidad de filas del grupo b) la suma de los valores

1
  • Perdona por la demora Patricio, no he tenido tiempo a valorar el script, este funciona a la perfección para lo que necesitaba. Muchas gracias Commented el 15 nov. 2019 a las 10:57

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.