r - 如何将 data.frame 转换为树状结构对象，例如树状图

Question

我有一个 data.frame 对象。举个简单的例子:

> data.frame(x=c('A','A','B','B','B'), y=c('Ab','Ac','Ba', 'Ba','Bd'), z=c('Abb','Acc','Bad', 'Bae','Bdd'))
  x  y   z
1 A Ab Abb
2 A Ac Acc
3 B Ba Bad
4 B Ba Bae
5 B Bd Bdd

实际数据中有更多的行和列。我怎么能像这样创建树状图的嵌套树结构对象:

         |---Ab---Abb
     A---|
     |   |---Ac---Acc
   --|                 /--Bad 
     |   |---Ba-------|
     B---|             \--Bae
         |---Bb---Bdd

Answer 1

数据框到 Newick

我在计算系统发育学方面取得了博士学位，并且在我生成这个代码的过程中的某个地方，当我以这种非标准格式(在系统发育意义上)获得一些数据时，我使用了一两次。该脚本遍历数据框，就像它是一棵树......并沿途将内容粘贴到 Newick 字符串中，这是一种标准格式，然后可以转换为任何类型的树对象。

我想脚本可以优化(我很少使用它，所以在它上面做更多的工作会降低整体效率)，但至少分享比让它在我的硬盘上收集灰尘更好。

    ## recursion function
    traverse <- function(a,i,innerl){
        if(i < (ncol(df))){
            alevelinner <- as.character(unique(df[which(as.character(df[,i])==a),i+1]))
            desc <- NULL
            if(length(alevelinner) == 1) (newickout <- traverse(alevelinner,i+1,innerl))
            else {
                for(b in alevelinner) desc <- c(desc,traverse(b,i+1,innerl))
                il <- NULL; if(innerl==TRUE) il <- a
                (newickout <- paste("(",paste(desc,collapse=","),")",il,sep=""))
            }
        }
        else { (newickout <- a) }
    }

    ## data.frame to newick function
    df2newick <- function(df, innerlabel=FALSE){
        alevel <- as.character(unique(df[,1]))
        newick <- NULL
        for(x in alevel) newick <- c(newick,traverse(x,1,innerlabel))
        (newick <- paste("(",paste(newick,collapse=","),");",sep=""))
    }

主要功能 df2newick() 需要两个参数:

df 这是要转换的数据帧(类 data.frame 的对象)

innerlabel 它告诉函数为内部节点(bulean)写标签

要在您的示例中演示它:

    df <- data.frame(x=c('A','A','B','B','B'), y=c('Ab','Ac','Ba', 'Ba','Bd'), z=c('Abb','Acc','Bad', 'Bae','Bdd'))
    myNewick <- df2newick(df)
    #[1] "((Abb,Acc),((Bad,Bae),Bdd));"

现在您可以将它读入类 phylo 的对象中。与 read.tree()从猿

    library(ape)
    mytree <- read.tree(text=myNewick)
    plot(mytree)

如果要将内部节点标签添加到 Newick 字符串，可以使用以下命令:

    myNewick <- df2newick(df, TRUE)
    #[1] "((Abb,Acc)A,((Bad,Bae)Ba,Bdd)B);"

希望这是有用的(也许我的博士学位不是一个完整的时间;-)

数据帧格式的附加说明:

正如您所观察到的 df2newick 函数忽略了一个 child 的内部模式(无论如何最好与大多数系统发育方法一起使用......只与我有关)。 df我最初获得并与此脚本一起使用的对象具有以下格式:

    df <- data.frame(x=c('A','A','B','B','B'), y=c('Abb','Acc','Ba', 'Ba','Bdd'), z=c('Abb','Acc','Bad', 'Bae','Bdd'))

与您的非常相似……但是“内部单一子节点”只是与它们的子节点同名，但是您也有此节点的不同内部名称，并且这些名称会被忽略……可能不相关，但您可以只需忽略递归函数的一部分，如下所示:

    traverse <- function(a,i,innerl){
        if(i < (ncol(df))){
            alevelinner <- as.character(unique(df[which(as.character(df[,i])==a),i+1]))
            desc <- NULL
            ##if(length(alevelinner) == 1) (newickout <- traverse(alevelinner,i+1,innerl))
            ##else {
                for(b in alevelinner) desc <- c(desc,traverse(b,i+1,innerl))
                il <- NULL; if(innerl==TRUE) il <- a
                (newickout <- paste("(",paste(desc,collapse=","),")",il,sep=""))
            ##}
        }
        else { (newickout <- a) }
    }

你会得到这样的东西:

    [1] "(((Abb)Ab,(Acc)Ac)A,((Bad,Bae)Ba,(Bdd)Bd)B);"

这对我来说真的很奇怪，但我添加它以防万一，因为它现在确实包含来自原始数据帧的所有信息。