tapply Mit dem Mittelwert zu berechnen, basierend auf Spaltennamen

Question

Ich habe einen Datensatz, ike aussieht: für jeden target_id (~ 12000 target_id über 10 sample_id), so habe ich

sample_id  target_id  tpm 
1 SRR3884840X   (A)n  0.00000 
2 SRR3884840X   (AC)n 0.00000 
3 SRR3884840X   (AG)n 0.00000 
4 SRR3884840X   (AT)n 15.54990 
5 SRR3884840X   (C)n  3.10997 
6 SRR3884840X   (CAA)n 6.21995 
27357 SRR3884841X  (A)n  0.00000e+00 
27358 SRR3884841X  (AC)n 0.00000e+00 
27359 SRR3884841X  (AG)n 0.00000e+00 
27360 SRR3884841X  (AT)n 0.00000e+00 
27361 SRR3884841X  (C)n 1. 76941e+01 
27362 SRR3884841X  (CAA)n 3.53882e+01 
1094236 SRR3884878C comp78901_c0_seq3_1  916     
1094237 SRR3884878C comp85230_c0_seq1_1  1002     
1094238 SRR3884878C comp56944_c0_seq1_1  2285    

example data: 
> dput(droplevels(head(teX,15))) 
structure(list(sample_id = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "SRR3884840X", class 
"factor"), 
target_id = structure(1:15, .Label = c("(A)n", "(AC)n", "(AG)n", 
"(AT)n", "(C)n", "(CAA)n", "(CAAA)n", "(CAAAA)n", "(CAAAAA)n", 
"(CCA)n", "(CCCCA)n", "(CCCCAA)n", "(CCCCCA)n", "(CCCGAA)n", 
"(CCCTAA)n"), class = "factor"), tpm = c(0, 0, 0, 15.5499, 
3.10997, 6.21995, 43.5396, 9.32992, 3.10997, 0, 0, 0, 0, 
0, 0)), .Names = c("sample_id", "target_id", "tpm"), row.names = c(NA, 
15L), class = "data.frame") 

Ich mag Berechnung die durchschnittliche tpm lapply:

teXmean <- tapply(teX$target_id , teX$tpm, mean) 

Dies gibt ein Array, das wie folgt aussieht:

0 2.25378e-10 3.21558e-10 4.49778e-10 4.5942e-10 4.63221e-10 5.5716e-10 5.63276e-10 5.90753e-10 6.20478e-10 
    NA   NA   NA   NA   NA   NA   NA   NA   NA   NA 

gibt es eine Möglichkeit sich zu erholen die target_id für jeden Durchschnitt oder bin ich hier komplett auf dem falschen Weg? Das Endziel wäre, den Durchschnitt für jede target_id zu berechnen, die Einträge mit target_id, die die Zeichenfolge "comp" enthalten, zu entfernen und dann eine Heatmap mit heatmap.2 zu erstellen.

Answer 1

Sie können auch dplyr verwenden:

tab <- structure(list(sample_id = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 
             1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "SRR3884840X", class ="factor"), 
       target_id = structure(1:15, .Label = c("(A)n", "(AC)n", "(AG)n", 
                 "(AT)n", "(C)n", "(CAA)n", "(CAAA)n", "(CAAAA)n", "(CAAAAA)n", 
                 "(CCA)n", "(CCCCA)n", "(CCCCAA)n", "(CCCCCA)n", "(CCCGAA)n", 
                 "(CCCTAA)n"), class = "factor"), 
       tpm = c(0, 0, 0, 15.5499, 3.10997, 6.21995, 43.5396, 9.32992, 3.10997, 0, 0, 0, 0, 0, 0)), 
       .Names = c("sample_id", "target_id", "tpm"), 
       row.names = c(NA, 15L), 
       class = "data.frame") 

library(dplyr) 
#> 
#> Attachement du package : 'dplyr' 
#> The following objects are masked from 'package:stats': 
#> 
#>  filter, lag 
#> The following objects are masked from 'package:base': 
#> 
#>  intersect, setdiff, setequal, union 
tab %>% 
    group_by(target_id) %>% 
    summarise(mean_tpm = mean(tpm)) 
#> # A tibble: 15 x 2 
#> target_id mean_tpm 
#>  <fctr> <dbl> 
#> 1  (A)n 0.00000 
#> 2  (AC)n 0.00000 
#> 3  (AG)n 0.00000 
#> 4  (AT)n 15.54990 
#> 5  (C)n 3.10997 
#> 6 (CAA)n 6.21995 
#> 7 (CAAA)n 43.53960 
#> 8 (CAAAA)n 9.32992 
#> 9 (CAAAAA)n 3.10997 
#> 10 (CCA)n 0.00000 
#> 11 (CCCCA)n 0.00000 
#> 12 (CCCCAA)n 0.00000 
#> 13 (CCCCCA)n 0.00000 
#> 14 (CCCGAA)n 0.00000 
#> 15 (CCCTAA)n 0.00000