我有一个数据框(大约 300 行),其中一列称为“geneID”:
geneID distance pvalue
4 30 0.05
409 0 0.001
60 41 0.02
...
我有第二个数据框,它指示构成较大抗生素生物合成基因簇的基因范围(染色体中大约有 30 个基因簇):
ClusterID start end
Chloramphenicol 100 130
NRPS 403 489
Terpene 5021 5109
...
如果 geneID 位于该基因簇的“开始”和“停止”之间,我想要做的是向数据框 1 添加另一列,并标记为数据框 2 的相应“clusterID”:
geneID distance pvalue ClusterID
4 30 0.05 NA
409 0 0.001 NRPS
60 41 0.02 NA
我试过在 mutate 函数中使用向量作为值:
ChIP_table %>%
mutate(ClusterID = case_when((ID >= biosynthetic_clusters$start & ID <= biosynthetic_clusters$end) ~ biosynthetic_clusters$Cluster,
TRUE ~ "NA"))
这没有用。不知道从这里去哪里。我已经尝试构建一个 for 循环,但仍然无法找到一种方法来使用向量/列值作为条件来排序/标记。
如有任何帮助,我们将不胜感激!
最佳答案
您可以使用cut
函数。假设您的数据框是 df
:
breaks <- c(100, 130, 403, 489, 5021, 5109)
labels <- c("Chloramphenicol", NA, "NRPS", NA, "Terpene")
df$ClusterID <- cut(df$geneID, breaks = breaks, labels = labels, include.lowest = TRUE)
中断是开始值、结束值。标签是每个可行范围的 ClusterID 名称。 NA 标签用于可行范围间隙。因此,对于落在 ClusterID 范围内的 geneID,它们将被分配 ClusterID 名称,否则为 NA。所以一些前期的工作是输入标签向量。 (您可以编写一个函数来执行此操作。)但我认为它会起作用。
关于r - 根据一个列值是否在另外两个列值之间(范围),将新列添加到带有标签的数据框中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66876795/