r - 在数据框中找到最频繁的子集

Question

所以我有以下数据框:

我想要的是找到一起出现最多的基因组合。

  sample genea geneb genec gened genee genef
1      1     1     1     1     0     0     0
2      2     1     1     1     0     0     0
3      3     1     0     0     1     1     1
4      4     0     0     0     0     0     0
5      5     1     0     1     1     1     1
6      6     0     0     0     0     0     0

所以在这种情况下，我想要的输出是:基因a + c = 3个样本重叠。

test[sort.list(colSums(test[,-1]), decreasing=TRUE)[1:15] +1]) 给我一个每个基因最多 1 值的列表。但我被这个困住了。

我该如何处理。

Answer 1

一种方法是使用crossprod():

library(tidyr)
library(dplyr)

dat %>%
  pivot_longer(-sample) %>%
  filter(value == 1) %>%
  select(-value) %>%
  table() %>%
  crossprod() %>%
  replace(lower.tri(., diag = TRUE), NA) %>%
  as.data.frame.table() %>%
  slice_max(Freq)

   name name.1 Freq
1 genea  genec    3