У меня есть следующая структура данных.
pos <- c(4532568,4541529,4586529,4591235,4712360,4732504,4740231,10532655,10542365,10564587,45312567,45326354,45369874,124832658,124845829,124869874)
cm <- c(2.21,2.25,2.26,2.29,3.31,3.35,3.36,4.32,4.35,4.39,5.23,5.27,5.29,7.36,7.45,7.49)
data <- cbind(pos,cm)
pos cm
[1,] 4532568 2.21
[2,] 4541529 2.25
[3,] 4586529 2.26
[4,] 4591235 2.29
[5,] 4712360 3.31
[6,] 4732504 3.35
[7,] 4740231 3.36
[8,] 10532655 4.32
[9,] 10542365 4.35
[10,] 10564587 4.39
[11,] 45312567 5.23
[12,] 45326354 5.27
[13,] 45369874 5.29
[14,] 124832658 7.36
[15,] 124845829 7.45
[16,] 124869874 7.49
Мое намерение состоит в том, чтобы обобщить группировку строк по 100000 единиц в столбце «pos» и получить среднее значение столбца «CM» для каждого класса. Результат в этом примере будет примерно следующим:
pos <- c(4500000,4700000,10500000,45300000,124800000)
cm <- c(2.2525,3.34,4.35333,5.26333,7.43333)
newdata <- cbind(pos,cm)
pos cm
[1,] 4500000 2.25250
[2,] 4700000 3.34000
[3,] 10500000 4.35333
[4,] 45300000 5.26333
[5,] 124800000 7.43333
Я не знаю, как автоматизировать процесс обработки огромного фрейма данных.
Ответ Акруну: Итак. Если я использую следующий скрипт в своем реальном наборе данных:
Ch1<- ch1 %>%
as.data.frame %>%
group_by(Pos = plyr::round_any(Pos, 1e5, f = floor))
Затем я получаю следующий результат (только первые 10 строк)
structure(list(Chr = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L), .Label = "1", class = "factor"), Pos = c(0, 0, 0,
2e+05, 5e+05, 5e+05, 5e+05, 5e+05, 5e+05, 7e+05), CM = c(0, 0.080572,
0.092229, 0.439456, 1.478148, 1.478214, 1.480558, 1.488889, 1.489481,
1.931794)), .Names = c("Chr", "Pos", "CM"), row.names = c(NA,
-10L), class = c("grouped_df", "tbl_df", "tbl", "data.frame"), vars = "Pos", drop = TRUE, indices = list(
0:2, 3L, 4:8, 9L), group_sizes = c(3L, 1L, 5L, 1L), biggest_group_size = 5L, labels = structure(list(
Pos = c(0, 2e+05, 5e+05, 7e+05)), row.names = c(NA, -4L), class = "data.frame", vars = "Pos", drop = TRUE, .Names = "Pos"))
Однако, если я использую весь скрипт для получения средних значений Ch1$CM:
Ch1<- ch1 %>%
as.data.frame %>%
group_by(Pos = plyr::round_any(Pos, 1e5, f = floor)) %>%
summarise(cm = mean(cm))
Затем я получаю следующий data.frame:
structure(list(Pos = c(0, 2e+05, 5e+05, 7e+05, 8e+05, 9e+05,
1e+06, 1100000, 1200000, 1300000), cm = c(4.528498, 4.528498,
4.528498, 4.528498, 4.528498, 4.528498, 4.528498, 4.528498, 4.528498,
4.528498)), .Names = c("Pos", "cm"), row.names = c(NA, -10L), class = c("tbl_df",
"tbl", "data.frame"))
Как видите, средние значения неверны, так как все они равны. Я не знаю, почему это происходит.
mean(cm, na.rm = TRUE)
или, если значения действительно большие, вам может потребоваться использовать специализированные пакеты, такие как Rmpfr или gmp, чтобы получить точность 26.12.2017%>% dplyr::summarise(cm = mean(cm))
Возможно, вы также загрузили plyr, аsummarise
из этой библиотеки замаскировали функцию 26.12.2017