我对 R 非常陌生,所以希望我能得到一些关于如何实现所需的数据操作的指导。
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
我想根据 fpkm 将gene_ids 分层为四分位数或十分位数后绘制平均 meth_val。
一旦我将数据加载到数据框中...
data <- read.delim("myfile.tsv", sep='\t')
我可以使用以下方法确定 fpkm 十分位数:
quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5
产生
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
从那里,我想根据 fpkm_val 是否适合这些十分位数之一,将数据帧基本上分为 10 组。然后我想将 ggplot 中每个十分位数的 meth_val 绘制为箱形图,并跨十分位数执行统计测试。
我真正困扰的主要问题是如何以正确的方式分割我的数据集。任何帮助将不胜感激!
非常感谢!
最佳答案
另一种方法是 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))
# 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
关于R:将数据集分割为四分位数/十分位数。正确的方法是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26273892/