R 为列表生成因子的所有组合、合并的所有组合和组合

Question

所以我正在处理癌症分期数据。假设有一个这种类型的数据集。它是一个数据框。

   cancertype     stage
TCGA-67-6215-01     1
TCGA-67-6216-01     1
TCGA-67-6217-01     2
TCGA-69-7760-01     2
TCGA-69-7761-01     1
TCGA-69-7763-01     1
TCGA-69-7764-01     1
TCGA-69-7765-01     4
TCGA-69-7980-01     1
TCGA-71-6725-01     1
TCGA-73-4658-01     1
TCGA-73-4659-01     3
TCGA-73-4662-01     1
TCGA-73-4675-01     3

所以我想要的是一个列表，其中每个元素都是一个数据框。 4 个可能的癌症阶段有 4 个级别。应该有 2 个级别、3 个级别等的每个组合的数据框，直到数据中的级别数。但也是每个合并级别组合的数据框。我的意思是

list(
dataframe of stage1 and 2
dataframe of stage1 and 3
dataframe of stage 1 and 4
dataframe of stage 2 and 3
...etc
dataframe of stage 1,2 and 3
dataframe of stage 2,3 and 4
...
dataframe of stage 1,2 and 3,4
dataframe of stage 1,3 and 2,4
dataframe of stage 1,2,3 and 4
dataframe of stage 1,2,4 and 3
.. etc etc I think this should give you the idea.
)

在这里，当我说阶段 1、2、4 时，我的意思是它们都已合并到一个级别。

我基本上正在尝试对 t 检验进行所有可能的比较，因此我正在设置此比较所需的样本。做所有可能的组合和合并组合会很好。

到目前为止，我能够结合未合并比较的所有元素
这是 11 。即 2 个阶段的 6 个组合，3 个阶段的 4 个组合，4 个阶段的 1 个组合

stage # dataframe of stage data as factors
stage_split <-split(stage,stage[,1])
allcombos<- c(combn(stage_split,2,simplify=F), combn(stage_split,3,simplify=F), combn(stage_split,4,simplify=F))
allcombos_cmbnd<- lapply(allcombos, function(x) Reduce(rbind,x))

如何从所有可能的合并排列中生成额外的数据帧，然后附加到此列表中？也许第一个数据帧有一种优雅的方式来实现这一点。一种方法是遍历这个 11 个列表并从 3 个组合开始生成合并？我可以蛮力它，但我希望有一种优雅的方式来执行它可以扩大规模。到目前为止，我没有找到任何内容来解释如何生成数据中的所有级别组合以及级别的所有合并组合。

谢谢你的帮助

Answer 1

当您将阶段分组在一起时，您正在对大小为 3 或 4 的集进行分区。有一个包，partitions使用 setparts 实现集合分区.在这里，我专注于合并部分，因为听起来您已经弄清楚了非合并分组。

 ## For unmerged, get groupings with something like this
combos <- unlist(lapply(2:4, function(x) combn(unique(dat$stage), x, simplify=F)), rec=F)

## For merged groupings, use set partitioning
library(partitions)
dats <- unlist(sapply(3:4, function(p) {
    parts <- setparts(p)  # set partitions of size p
    lst <- lapply(split(parts, col(parts)), function(idx) {
        if (p==3) {       # with sets of 3, need to exclude one of the stages
            subLst <- lapply(1:4, function(exclude) {
                tmp <- dat$stage
                tmp[dat$stage==exclude] <- NA
                ids <- seq(4)[-exclude]
                for (i in 1:3) tmp[dat$stage==ids[i]] <- idx[i]
                data.frame(dat$cancertype, stage=tmp)
            })
            names(subLst) <- paste(1:4)
            subLst
        } else {          # sets of 4, no need to exclude
            tmp <- dat$stage
            for (i in 1:length(idx)) tmp[dat$stage==i] <- idx[i]
            data.frame(dat$cancertype, stage=tmp)
        }
    })
    names(lst) <- lapply(split(parts, col(parts)), paste, collapse=".")
    lst
}), rec=F)

dats现在是 data.frames 的列表与 stage s 按设置的分区分组。对大小为 3 的集合进行分区时，必须删除其中一个阶段。因此， dats 中的那些条目显示为长度为 4 的列表，每个元素对应于从考虑中删除一个阶段(列表是有序的，因此第一个组件删除阶段 1，第二个组件删除阶段 2，等等)。让我们看看一个或大小为 3 的分区，

dats[4]
$`2.1.1`
# $`2.1.1`$`1`
#     dat.cancertype stage
# 1  TCGA-67-6215-01    NA
# 2  TCGA-67-6216-01    NA
# 3  TCGA-67-6217-01     2
# 4  TCGA-69-7760-01     2
# 5  TCGA-69-7761-01    NA
# 6  TCGA-69-7763-01    NA
# 7  TCGA-69-7764-01    NA
# 8  TCGA-69-7765-01     1
# 9  TCGA-69-7980-01    NA
# 10 TCGA-71-6725-01    NA
# 11 TCGA-73-4658-01    NA
# 12 TCGA-73-4659-01     1
# 13 TCGA-73-4662-01    NA
# 14 TCGA-73-4675-01     1
# 
# $`2.1.1`$`2`
#     dat.cancertype stage
# 1  TCGA-67-6215-01     2
# 2  TCGA-67-6216-01     2
# 3  TCGA-67-6217-01    NA
# 4  TCGA-69-7760-01    NA
# 5  TCGA-69-7761-01     2
# 6  TCGA-69-7763-01     2
# 7  TCGA-69-7764-01     2
# 8  TCGA-69-7765-01     1
# 9  TCGA-69-7980-01     2
# 10 TCGA-71-6725-01     2
# 11 TCGA-73-4658-01     2
# 12 TCGA-73-4659-01     1
# 13 TCGA-73-4662-01     2
# 14 TCGA-73-4675-01     1

这里的命名约定是 group1.group2.group3$excludedGroup , 相同的数字表示组已合并。所以， 2.1.1$1表示第一组已被排除( $1 ，实际上只是转换为 NA )，而在其余数据中，第 2 组和第 3 组已合并。这有点令人困惑，可能需要更好的命名方案。例如， $2.1.1$1表示“排除了第 1 阶段(NA)并且第 3 阶段和第 4 阶段已合并”。因此，我可以使用 dats[['2.1.1']][['1']] 访问该数据。 .此列表中还有两个 data.frames 未显示(不包括第 3 阶段和第 4 阶段)。

现在，set-4 分区更加直接，因为没有排除。例如，

dats[19]
# $`2.3.1.1`
#     dat.cancertype stage
# 1  TCGA-67-6215-01     2
# 2  TCGA-67-6216-01     2
# 3  TCGA-67-6217-01     3
# 4  TCGA-69-7760-01     3
# 5  TCGA-69-7761-01     2
# 6  TCGA-69-7763-01     2
# 7  TCGA-69-7764-01     2
# 8  TCGA-69-7765-01     1
# 9  TCGA-69-7980-01     2
# 10 TCGA-71-6725-01     2
# 11 TCGA-73-4658-01     2
# 12 TCGA-73-4659-01     1
# 13 TCGA-73-4662-01     2
# 14 TCGA-73-4675-01     1

这里的命名是“Group1.Group2.Group3.Group4”。例如，在此分组阶段，3 和 4 已合并(均 == 1)。

这里有冗余，您可以使用分区集或大小 3 进行排除或分区大小为 4 的集，并对每个 data.frame 进行多次比较。 .例如，对于上面显示的数据集，可以使用 dats[['2.3.1.1']] 进行等效测试。或两者 dats[['2.1.1']][['1']]和 dats[['2.1.1']][['2']]结合。

为了简化事情，而不是存储所有这些 data.frame s 在一个列表中，你可以只存储索引，或者只是在循环中进行计算。