r - 在带有变量的 2 行上使用 melt 或 pivot_longer

Question

我的输出包含不同“位置”(bel..tej) 中基因家族(例如 family01、family21)的值，但它还包含一些与这些站点(环境类型)相关的元数据。我知道数据没有我希望的那么整齐，所以我想知道是否有一种优雅的方式来使用 pivot_longer以长格式整理它以便稍后制作热图。

这是数据集。

Sample  bel buc mal man pen poc tej
Environment C_3 C_1 C_3 C_3 C_2 C_1 C_3
family01    1.962   20.790  0.000   0.000   0.000   0.000   1.962
family03    0.000   3.150   0.000   0.000   152.614 0.089   0.000
family08    4.482   12.603  0.168   0.460   0.000   2.917   4.482
family13    0.000   1.697   0.000   0.000   169.841 0.000   0.000
family17    0.462   10.689  0.000   0.000   0.000   1.387   0.462
family21    0.000   0.410   0.000   0.000   122.959 0.000   0.000

我搜索了函数 pivot_longer 的帮助并且有几个问题涉及多个列而不是行，而不是关于“同时”将函数应用于两组变量。首先我试过这个 long <- pivot_longer(data = output.txt, cols = -c(Family), names_to = "site", values_to = "rpkm")但我得到了这个结果

# A tibble: 49 x 3
   Sample      site  rpkm  
   <chr>       <chr> <chr> 
 1 Environment bel   C_3    
 2 Environment buc   C_1    
 3 Environment mal   C_3    
 4 Environment man   C_3    
 5 Environment pen   C_2    
 6 Environment poc   C_1    
 7 Environment tej   C_3    
 8 family1     bel   1.962 
 9 family1     buc   20.790
10 family1     mal   0.000 

这是预期的格式

  Family  site  Env  rpkm
  family1   bel  3   1.962      
  family1   buc  1   20.790 
  family1   mal  3   0.000  

我想如果第一行不在那里我可以做

output.txt %>%
  pivot_longer(
    -Environment,
    names_to = c(".value", "Env"),
    names_sep = "_")

为了获得将环境类型存储为变量的“Env”列，然后我需要“另一个”转换为长格式。

我想两个连续的 pivot_longer 回合可以解决这个问题或使用其他策略 melt (例如，网站和网站类型作为前 2 行)。这是一个长表，所以我想避免对其进行排序或手动编辑。

这是 dput 的输出:

structure(list(Sample = c("Environment", "family01", "family03", 
"family08", "family13", "family17", "family21"), bel = c("C__3", 
"1.962", "0", "4.482", "0", "0.462", "0"), buc = c("C_1", "20.79", 
"3.15", "12.603", "1.697", "10.689", "0.41"), mal = c("C_3", 
"0", "0", "0.168", "0", "0", "0"), man = c("C_3", "0", "0", "0.46", 
"0", "0", "0"), pen = c("C_2", "0", "152.614", "0", "169.841", 
"0", "122.959"), poc = c("C_1", "0", "0.089", "2.917", "0", "1.387", 
"0"), tej = c("C_3", "1.962", "0", "4.482", "0", "0.462", "0"
)), row.names = c(NA, -7L), class = c("tbl_df", "tbl", "data.frame"
))

附录，以防有人想使用我不得不使用变通方法保存(xlsx 或 csv)并再次加载 tibble 并指定值 (rpkm) 为数字的解决方案。

Answer 1

这是一个选项，我们通过 paste 更改除第一个列之外的列名。 ing ( str_c ) 删除 C_ 后的第一行元素, 然后删除第一行 ( slice(-1) ), 转换 type列的 type.convert ，从“宽” reshape 为“长”(pivot_longer)，separate通过在小写字母和数字之间的边界处拆分，将“名称”列一分为二((?<=[a-z])(?=\\d) - 正则表达式环视)

library(dplyr)
library(tidyr)
library(stringr)
output.txt %>% 
    rename_at(-1, ~ str_c(., unlist(output.txt %>% 
                                       slice(1) %>% 
                                       select(-Sample) %>% 
                                       unlist %>% 
                                       str_remove('C_+')))) %>% 
    slice(-1) %>%
    type.convert(as.is = TRUE) %>%
    pivot_longer(cols = -Sample, values_to = 'rpkm') %>% 
    separate(name, into = c('site', 'Env'), sep='(?<=[a-z])(?=\\d)')
# A tibble: 42 x 4
#   Sample   site  Env    rpkm
#   <chr>    <chr> <chr> <dbl>
# 1 family01 bel   3      1.96
# 2 family01 buc   1     20.8 
# 3 family01 mal   3      0   
# 4 family01 man   3      0   
# 5 family01 pen   2      0   
# 6 family01 poc   1      0   
# 7 family01 tej   3      1.96
# 8 family03 bel   3      0   
# 9 family03 buc   1      3.15
#10 family03 mal   3      0   
# … with 32 more rows