R語言行篩選的方法之filter函數詳解

2022-07-01 22:02:49

1. 資料

這裡，使用asreml分析中的BLUP值為例，相關的模型為：

m1 = asreml(Phen ~ G , random = ~ vm(Progeny,ainv) + vm(Dam,ainv) + vm(Progeny,dinv),
            workspace = "10Gb", residual = ~ idv(units),data = dat)
summary(m1)$varcomp

計算育種值：

blup = coef(m1)$random 
head(blup)
tail(blup)

資料特點：

沒有ID列，rownames的字首為型別，比如vm(Progeny, ainv)為加性效應的BLUP值，vm(Progeny,dinv)為顯性效應的BLUP值。

提取目的：

提取加性效應的BLUP值，顯性效應的BLUP值和母體效應的BLUP
值提取BLUP值大於0.1的個體

2. 生成ID列和型別

首先，把rowname提取，作為新的一列

blup1 = blup %>% as.data.frame() %>% mutate(ID = rownames(.))
head(blup1)

根據下劃線，進行分列：

blup2 = blup1 %>% separate(ID,into = c("Type","IID"),sep = "_",remove = F)
head(blup2)

3. 提取effect大於0.1的行

re1 = blup2 %>% filter(effect>0.1)
head(re1)

4. 提取加性效應，且effect小於0的行

這裡，條件之間，預設是並集，如果想用交集，用|間隔。

re2 = blup2 %>% filter(Type == "vm(Progeny, ainv)",effect <0)
head(re2)

5. 根據部分行名刪選

select函數，可以根據開頭，中間，結尾，進行列的刪選。

filter結合其它函數，也可以進行行的篩選。

如果想對ID中，包含ainv的行，進行篩選，可以這樣操作：

re3 = blup2 %>% filter(str_detect(ID,"ainv")) %>% arrange(-effect)
head(re3)

注意，這裡str_detect的pattern是正規表示式。如果直接用原始的字元：

re3 = blup2 %>% filter(str_detect(ID,"vm(Progeny, ainv)")) %>% arrange(-effect)
head(re3)

可以看到，報錯，如果想要支援，需要對括號用兩個反斜線進行跳脫。

跳脫後的程式碼：

re3 = blup2 %>% filter(str_detect(ID,"vm\(Progeny, ainv\)")) %>% arrange(-effect)
head(re3)

6. 固定字元特徵進行行篩選

str_detect沒有fixed = T的選項，如果想固定字元匹配，可以用fixed()函數：

re3 = blup2 %>% filter(str_detect(ID,fixed("vm(Progeny, ainv)"))) %>% arrange(-effect)
head(re3)

總結

到此這篇關於R語言行篩選的方法之filter函數詳解的文章就介紹到這了,更多相關R語言行篩選filter函數內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！