如何根据 Python、R 中不同数据框/患者之间的第一列元素/基因取第二列值/计数的平均值？

Posted 2023-03-12

【中文标题】如何根据 Python、R 中不同数据框/患者之间的第一列元素/基因取第二列值/计数的平均值？

【英文标题】：How to take average of 2nd column values/counts based on first column elements/genes between different dataframes/patients in Python, R?

【发布时间】：2020-04-06 02:21:31

【问题描述】：

输入数据帧：

df1:

df2:

输出应该是一个数据框，其中包含 df1 和 df2 中所有可能的基因的平均值。如果 df1 有一个不在 df2 中的元素，则将该元素在 df2 中计数为零。结果数据框应该是这样的。 结果数据框：

3:

【参考方案1】：

R 中的一个选项是在使用complete 扩展两个数据集后将两个数据集绑定在一起，按“基因”分组，summarise“计数”列的mean

library(dplyr)
library(tidyr)
out <- bind_rows(df1, df2, .id = 'grp') %>% 
         complete(grp, Genes, fill = list(Count = 0)) %>%
         group_by(Genes) %>% 
         summarise(Average = mean(Count))
# A tibble: 5 x 2
#  Genes Average
#  <chr>   <dbl>
#1 A           9
#2 B           7
#3 C          11
#4 D          13
#5 E           5

数据

df1 <- structure(list(Genes = c("A", "B", "C", "D"), Count = c(10, 14, 
4, 20)), class = "data.frame", row.names = c(NA, -4L))

df2 <- structure(list(Genes = c("A", "C", "D", "E"), Count = c(8, 18, 
6, 10)), class = "data.frame", row.names = c(NA, -4L))

【讨论】：

非常感谢您的帮助。但是 B 值应该是 7 而 E 值应该是 5 而不是 14 和 10。

@JaleesUrRahman for Gene A，您的平均值显示为 14，但两个数据集中的值都是 8 和 10。虽然不清楚。 'D' 中也有同样的问题（20、6 -> 平均 13）

是的，我犯了这个错误。你的答案正是我想要的。谢谢！如何存储结果数据框？