我有一个庞大的数据集，其中包含来自不同人群的基因型信息。我想按人口对数据进行排序，但我不知道如何。
我想按“ pedigree_dhl”排序。我正在使用以下代码，但始终收到错误消息。
newdata <- project[pedigree_dhl == CCB133$*1, ]
我的问题还在于，“谱系-dhl”包含各个基因型的所有名称。 ``pedigree-dhl''列中只有前7个字母是人群名称。在本示例中：CCB133。如何告诉R我要提取所有包含CCB133的列的数据？
Allele1 Allele2 SNP_name gs_entry pedigree_dhl
1 T T ZM011407_0151 656 CCB133$*1
2 T T ZM009374_0354 656 CCB133$*1
3 C C ZM003499_0591 656 CCB133$*1
4 A A ZM003898_0594 656 CCB133$*1
5 C C ZM004887_0313 656 CCB133$*1
6 G G ZM000583_1096 656 CCB133$*1
最佳答案
您可能需要考虑grep，就像在Using regexp to select rows in R dataframe的答案中一样。适应您的数据：
df <- read.table(text=" Allele1 Allele2 SNP_name gs_entry pedigree_dhl
1 T T ZM011407_0151 656 CCB133$*1
2 T T ZM009374_0354 656 CCB133$*1
3 C C ZM003499_0591 656 CCB133$*1
4 A A ZM003898_0594 656 CCB133$*1
5 C C ZM004887_0313 656 CCB133$*1
6 G G ZM000583_1096 656 CCB133$*1", header=T)
# put into df1 all rows where pedigree_dhl starts with CCB133$
p1 <- 'CCB133$'
df1 <- subset(df, grepl(p1, pedigree_dhl) )
但是您的问题意味着您可能想要选择七个字母的名称，或者只是按照系谱名称对行进行排序，而将所有行放在一个排序的数据框中可能更容易。这三个操作：子设置，提取新列或排序都可以独立进行。
# If you want to create a new column based
# on the first seven letter of SNP_name (or any other variable)
df$SNP_7 <- substr(df$SNP_name, start=1, stop=7)
# If you want to order by pedigree_dhl
# then you don't need to select out the rows into a new dataframe
df <- df[ with(df, order(df$pedigree_dhl)), ]
所有这些可能都是显而易见的-我添加它们只是为了完整性。
关于r - 基于前7个字母的子集数据/提取数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/10319369/