生信或者数据挖掘中经常会遇到需要把连续的表达量数据转为分类变量。比如基因表达量二分类进行后续的生存分析。 一 读入数据 读入TCGA的表达量数据,截取部分数据进行示范 #TCGA的表达量数据#setwd() data <- read.csv("Expr_median.csv",header=TRUE,row.names=1,check.names=FALSE) data <- as.data.frame(t(data)) data[1:4,1:4]
可以自行试一下,分别去掉这两个参数,然后比较下数据的差异 二 批量转化 1 ifelse转化单一列#将TCGA-97-7938-01A根据medain转为 高 低data1 <- data data1[,"ENSG00000000003.13"] <- ifelse(data1[,"ENSG00000000003.13"] > median(data1[,"ENSG00000000003.13"]),"High","Low") data1[1:4,1:4] 可以看到ENSG00000000003.13基因的表达量已经转为高 低 二分类了。 分段阈值:还可以是均值,四分卫,10%,或者具体数值#按照均值分data1[,"ENSG00000000460.15"] <- ifelse(data1[,"ENSG00000000460.15"] > mean(data1[,"ENSG00000000460.15"]),"High","Low") #按照75%分 data1[,"ENSG00000000419.11"] <- ifelse(data1[,"ENSG00000000419.11"] > quantile(data1[,"ENSG00000000419.11"],0.75),"High","Low") #按照具体数值分 data1[,"ENSG00000000457.12"] <- ifelse(data1[,"ENSG00000000457.12"] > 10,"High","Low") data1[1:4,1:4] 2 批量转化当列数较少时,可以按照上述方式,一个个完后分类。当太多时,需要批量完成! #使用apply,批量完成转化data2 <- data data2 <- apply(data2, 2, function(x) {ifelse(x >= median(x), "hign", "low")}) head(data2) 批量已完成,省时省力! 3 for循环完成data3 <- datafor (i in colnames(data3)){ data3[,i] <- ifelse(data3[,i] >= median(data3[,i]),"high","low") } 实现方式很多,根据个人习惯,自取! |
|