r - 如何重新排列数据框以使一列中的值成为行名称？

Question

这个问题已经有答案了:

How to reshape data from long to wide format (14 个回答)

已关闭 6 年前。

我有一个数据框，其中包含大约 450K 甲基化 beta 值。两个 sample 的 450 个探针。该数据显示在三列中，如下所示:

>head(ICGC)
 submitted_sample_id    probe_id    methylation_value
1  X932-01-4D          cg00000029         0.6
2  X932-01-6D          cg00000029         0.4
3  X932-01-4D          cg00000108         0.3
4  X932-01-6D          cg00000108         0.7
5  X932-01-4D          cg00000109         0.9
6  X932-01-6D          cg00000109         0.1

我想重新排列此 data.frame，以便探针 ID 是行名，样本 ID 是列名，因此它看起来像这样:

>head(ICGC_2)
           X932-01-4D    X932-01-6D 
cg00000029    0.6           0.4
cg00000108    0.3           0.7
cg00000109    0.9           0.1

我已经尝试过:

>library(tidyverse)
ICGC_2 <- ICGC %>% remove_rownames %>% column_to_rownames(var = "probe_id")

但这不起作用，因为 ICGC 中的每个探针 ID 在列中出现两次(因为有两个样本)。我也尝试过:

hello <- data.frame(ICGC[,-2], row.names = ICGC[,2])

但这也有同样的问题。我想以这种方式重新排列此数据的原因是因为我想将 beta 值转换为 M 值并将此数据用作 cpg.annotate 中的对象(可通过 Bioconductor 包 DMRcate 获得) - cpg.annotate 需要该对象将唯一的 Illumina 探针 ID 作为行名称，将唯一的样本 ID 作为列名称。

谢谢!

Answer 1

你们很接近。您需要的是 tidyr 包中的 spread 函数。

library(tidyverse)

ICGC_2 <- ICGC %>%
  spread(submitted_sample_id, methylation_value) %>%
  remove_rownames() %>%
  column_to_rownames(var = "probe_id")
ICGC_2
           X932-01-4D X932-01-6D
cg00000029        0.6        0.4
cg00000108        0.3        0.7
cg00000109        0.9        0.1

数据:

ICGC <- read.table(text = "submitted_sample_id    probe_id    methylation_value
1  'X932-01-4D'          cg00000029         0.6
2  'X932-01-6D'          cg00000029         0.4
3  'X932-01-4D'          cg00000108         0.3
4  'X932-01-6D'          cg00000108         0.7
5  'X932-01-4D'          cg00000109         0.9
6  'X932-01-6D'          cg00000109         0.1",
                   header = TRUE, stringsAsFactors = FALSE)