R語言の寬矩陣轉(zhuǎn)長矩陣

一踊跟、長矩陣和寬矩陣

每個變量單獨(dú)成一列的為寬矩陣覆醇,例如:

    N         A        C          T          G     pos
1 0.00044   0.21212   0.26264   0.05120   0.47360   1
2 0.00000   0.18766   0.28970   0.32026   0.20238   2
3 0.00000   0.19334   0.32042   0.27598   0.21026   3
4 0.00000   0.14242   0.38242   0.32514   0.15002   4
5 0.00000   0.33694   0.17736   0.30862   0.17708   5
6 0.00000   0.31716   0.15932   0.14728   0.37624   6

而長數(shù)據(jù)中變量的NACTG五種堿基類型并沒有單獨(dú)列成一列捆姜,而是整合在同一列妆够。

    pos variable   value
1   1        G   0.47360
2   5        G   0.17708
3   9        G   0.25448
4  13        G   0.32480
5  17        G   0.25384
6  21        G   0.25868
7  25        G   0.25894
8  29        G   0.24990
9  33        G   0.25688
0  37        G   0.25468

上面兩個矩陣表達(dá)的內(nèi)容相同识啦,寬矩陣人類好讀懂,長矩陣計算機(jī)方便處理神妹,長矩陣中一列代表變量類型颓哮,另外一列表示對用的變量值。我們的ggplot對于長矩陣的畫圖相當(dāng)方便鸵荠。

Wide- to long-format data: the melt function

首先查看一下數(shù)據(jù):

head(res_per)
    N         A        C          T          G     pos
1 0.00044   0.21212   0.26264   0.05120   0.47360   1
2 0.00000   0.18766   0.28970   0.32026   0.20238   2
3 0.00000   0.19334   0.32042   0.27598   0.21026   3
4 0.00000   0.14242   0.38242   0.32514   0.15002   4
5 0.00000   0.33694   0.17736   0.30862   0.17708   5
6 0.00000   0.31716   0.15932   0.14728   0.37624   6

使用melt進(jìn)行轉(zhuǎn)換

res_per <- rbind.data.frame(gc_cont(R1),gc_cont(R2))
res_per$pos <- 1:nrow(res_per)
res_final <- melt(res_per,id.vars = c("pos"))


head(res_final)
  pos variable   value
1   1        N 0.00044
2   2        N 0.00000
3   3        N 0.00000
4   4        N 0.00000
5   5        N 0.00000
6   6        N 0.00000

之后 我們可以方便的進(jìn)行繪圖了~
還有些長款矩陣的互換的參數(shù)調(diào)整冕茅,我先挖個坑 爭取兩三天更新此文 謝謝。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末蛹找,一起剝皮案震驚了整個濱河市姨伤,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌庸疾,老刑警劉巖姜挺,帶你破解...
    沈念sama閱讀 222,729評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異彼硫,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)凌箕,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,226評論 3 399
  • 文/潘曉璐 我一進(jìn)店門拧篮,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人牵舱,你說我怎么就攤上這事串绩。” “怎么了芜壁?”我有些...
    開封第一講書人閱讀 169,461評論 0 362
  • 文/不壞的土叔 我叫張陵礁凡,是天一觀的道長。 經(jīng)常有香客問我慧妄,道長顷牌,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,135評論 1 300
  • 正文 為了忘掉前任塞淹,我火速辦了婚禮窟蓝,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘饱普。我一直安慰自己运挫,他們只是感情好状共,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,130評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著谁帕,像睡著了一般峡继。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上匈挖,一...
    開封第一講書人閱讀 52,736評論 1 312
  • 那天碾牌,我揣著相機(jī)與錄音,去河邊找鬼关划。 笑死小染,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的贮折。 我是一名探鬼主播裤翩,決...
    沈念sama閱讀 41,179評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼调榄!你這毒婦竟也來了踊赠?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,124評論 0 277
  • 序言:老撾萬榮一對情侶失蹤每庆,失蹤者是張志新(化名)和其女友劉穎筐带,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體缤灵,經(jīng)...
    沈念sama閱讀 46,657評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡伦籍,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,723評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了腮出。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片帖鸦。...
    茶點(diǎn)故事閱讀 40,872評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖胚嘲,靈堂內(nèi)的尸體忽然破棺而出作儿,到底是詐尸還是另有隱情,我是刑警寧澤馋劈,帶...
    沈念sama閱讀 36,533評論 5 351
  • 正文 年R本政府宣布攻锰,位于F島的核電站,受9級特大地震影響妓雾,放射性物質(zhì)發(fā)生泄漏娶吞。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,213評論 3 336
  • 文/蒙蒙 一械姻、第九天 我趴在偏房一處隱蔽的房頂上張望寝志。 院中可真熱鬧,春花似錦、人聲如沸材部。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,700評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽乐导。三九已至苦丁,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間物臂,已是汗流浹背奄妨。 一陣腳步聲響...
    開封第一講書人閱讀 33,819評論 1 274
  • 我被黑心中介騙來泰國打工遇西, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留辆亏,地道東北人玄渗。 一個月前我還...
    沈念sama閱讀 49,304評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像仪媒,于是被迫代替她去往敵國和親沉桌。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,876評論 2 361