|
「飞哥灌水感言：」 ❝在做GWAS分析时，虽然年份为2016,2017,2018，但是它并不是数值，而是因子！所以要将其作为协变量分析时，直接加进去作为数值肯定是不行的，而是要将其转化为虚拟变量（宁超大神的这篇博客介绍得很清楚：固定即回归，固定因子可以转化为回归分析的变量，虽然宁大神不更新，我只能用这种方式催更了！！！疯狂暗示）。问题来了，如果多个因子，model.matrix函数只能一个一个的转化，然后再合并，麻烦！这里推荐使用useful包的build.x，可以支持多个因子同时转化，然后再放到GWAS模型中作为协变量就很666了。 ❞ 1. 背景在回归分析时，有时候我们需要知道每个因子每个水平的回归系数，这样就需要将因子转化为虚拟变量，R语言中有model.matrix进行转换，但是只能一个转换一个因子，这里我们用R包useful，可以支持多个因子同时转换。 2. 示例数据Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat
 这里，Herd，Year，Sire都是因子，如果在构建矩阵时，需要转化为虚拟变量。
3. R中model.matrix转化方法一个因子，一个因子的转化，然后进行合并： X1 = model.matrix(~Herd-1,data=dat)
X1
X2 = model.matrix(~Year-1,data=dat)
X2
X = cbind(X1,X2)
X
 4. 更简单的方法# 简单的方法
# install.packages("useful") # 如果没有安装useful这个包，运行这行命令进行安装。
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)
 5. 全部代码# 示例数据
Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat
# R中model.matrix
X1 = model.matrix(~Herd-1,data=dat)
X1
X2 = model.matrix(~Year-1,data=dat)
X2
X = cbind(X1,X2)
X
# 简单的方法
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)
6. 怎么样，学会了么快来关注我吧！公众号：育种数据分析之放飞自我
|
