R: suddivisione del set di dati in quartili/decili. Qual è il metodo giusto?

Question

Sono molto nuovo con R, quindi spero di poter ottenere alcuni suggerimenti su come ottenere la manipolazione desiderata dei miei dati.

Ho una matrice di dati con tre variabili.

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

vorrei tracciare la meth_val media dopo stratificazione miei gene_ids sulla base di fpkm in quartili o decili.

Una volta che carico i miei dati in un dataframe ...

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

posso determinare il fpkm decili utilizzando:

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

che produce

  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 

Da lì, ho 'Mi piacerebbe dividere in due il dataframe in 10 gruppi in base al fatto che fpkm_val si adatti a uno di questi decili. Poi mi piacerebbe tracciare il meth_val di ogni decile in ggplot come un diagramma a riquadri ed eseguire un test statistico attraverso i decili.

La cosa principale su cui sono davvero bloccato è come suddividere il set di dati nel modo corretto. Qualsiasi assistenza sarebbe molto apprezzata!

Grazie mille!

Answer 1

Un altro modo sarebbe ntile() in 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 

Answer 2

puoi provare a utilizzare la libreria Hmisc e la funzione cut2. È possibile tagliare il vettore in diversi gruppi affermando i punti di divisione. Ecco un esempio:

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)) 

E si otterrà lo stesso frame di dati con colonne aggiuntive per la spaccatura:

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) 
... 

Inoltre è possibile tagliare utilizzando cut2 specificare da parte di gruppi quantili troppo. Maggiori informazioni ?cut2.

Answer 3

forse più facile in questo modo:

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