R: разбиение набора данных на квартили/децили. Каков правильный метод?

Я очень новичок в R, поэтому надеюсь, что смогу получить некоторые указания относительно того, как добиться желаемой манипуляции с моими данными.

У меня есть массив данных с тремя переменными.

  gene_id       fpkm  meth_val
1 100629094     0.000 0.0063
2 100628995     0.000 0.0000
3 102655614   111.406 0.0021

Я хотел бы построить средний met_val после расслоения моих gene_ids на основе fpkm на квартили или децили.

Как только я загружу свои данные в dataframe...

data <- read.delim("myfile.tsv", sep='\t')

Я могу определить децили fpkm, используя:

quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5

что дает

          0%          10%          20%          30%          40%          50%
0.000000e+00 9.783032e-01 7.566164e+00 3.667630e+01 1.379986e+02 3.076280e+02
         60%          70%          80%          90%         100%
5.470552e+02 8.875592e+02 1.486200e+03 2.974264e+03 1.958740e+05

Оттуда я хотел бы по существу разделить dataframe на 10 групп на основе того, вписывается ли fpkm_val в один из этих децилей. Затем я хотел бы построить met_val каждого дециля в ggplot в виде графика и выполнить статистический тест по децилям.

Главное, на что я действительно застрял, - как правильно разбить мой набор данных. Любая помощь была бы чрезвычайно оценена!

Спасибо, куча!

Ответ 1

Другим способом будет ntile() в dplyr.

library(tidyverse)

foo <- data.frame(a = 1:100,
                  b = runif(100, 50, 200),
                  stringsAsFactors = FALSE)

foo %>%
    mutate(quantile = ntile(b, 10))

#  a         b quantile
#1 1  93.94754        2
#2 2 172.51323        8
#3 3  99.79261        3
#4 4  81.55288        2
#5 5 116.59942        5
#6 6 128.75947        6

Ответ 2

Возможно, проще:

data$qunatil = cut( data$fpkm, quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5) )

Ответ 3

вы можете попробовать использовать библиотеку Hmisc и cut2. Вы можете вырезать вектор в разные группы, указав метки. Вот пример:

library(Hmisc)
data <- data.frame(gene_id=sample(c("A","B","D", 100), 100, replace=TRUE),
               fpkm=abs(rnorm(100, 100, 10)),
               meth_val=abs(rnorm(100, 10, 1)))
quantiles <- quantile(data$fpkm, prob = seq(0, 1, length = 11), type = 5)
data$cutted <- cut2(data$fpkm, cuts = as.numeric(quantiles))

И вы получите тот же фрейм данных с дополнительными столбцами для split:

    gene_id      fpkm  meth_val        cutted
1         B 102.16511  8.477469 [100.4,103.2)
2         A 110.59269  9.256172 [106.4,110.9)
3         B  93.15691 10.560936 [ 92.9, 95.3)
4         B 105.74879 10.301358 [103.2,106.4)
5         A  96.12755 11.336484 [ 95.3, 96.8)
6         B 106.29204  8.286120 [103.2,106.4)
...

Кроме того, вы можете вырезать с помощью cut2, определяя также группы квантилей. Подробнее ?cut2.