r - R : how to initialize and add elements to an array in a loop

Question

我有一个矩阵，其中包含一列不同的基因，每个基因的每个可能的SNP对应的-log(P-values)列。

因此，矩阵具有3列:Gene_lable，SNP和minus_logpval。我正在尝试编写一个代码，以识别每个基因的-log(P-value)最高的SNP。这是头(数据):

  SNP           Gene_label           minus_logpval
1 rs3934834 HES4/ENSG00000188290       14.1031
2 rs3766193 HES4/ENSG00000188290        7.0203
3 rs3766192 HES4/ENSG00000188290       10.7420
4 rs3766191 HES4/ENSG00000188290       10.4323
5 rs9442371 HES4/ENSG00000188290       10.2941
6 rs9442372 HES4/ENSG00000188290        8.4235

这是代码的开始:

for(i in 1:254360) {
max_pval = 0
if(data$Gene_label[i]==data$Gene_label[i+1]) {
    x = array(NA, dim=c(0,2));
    x[i] = data$minus_logpval[i];
    x[i+1] = data$minus_logpval[i+1];
    temp = max(x);
    if (temp>max_pval) {
    max_pval=temp
    line = i
    }

但是由于某种原因，R总是给我错误: Error in is.ordered(x) : argument "x" is missing, with no default.我什至没有使用is-ordered(x)函数...我认为错误是我初始化x(应该是数组)的方式，但是我没有不知道如何解决。

Answer 1

从ddply完美地使用plyr。将data.frame分成子集(通过Gene_label)并在每个片段上进行操作(找到与snp的max相关的minus_logpval):

##  Reproducible example data
set.seed(1234)
df <- data.frame( Gene_label = rep( letters[1:3] , 3 ) , snp = rep( letters[5:7] , each = 3 ) , minus_logpval = rnorm(9) )
df
#  Gene_label snp minus_logpval
#1          a   e    -1.2070657
#2          b   e     0.2774292
#3          c   e     1.0844412
#4          a   f    -2.3456977
#5          b   f     0.4291247
#6          c   f     0.5060559
#7          a   g    -0.5747400
#8          b   g    -0.5466319
#9          c   g    -0.5644520

##  And a single line using 'ddply'
require(plyr)
ddply( df , .(Gene_label) , summarise , SNP = snp[which.max(minus_logpval)] )
#  Gene_label SNP
#1          a   g
#2          b   f
#3          c   e