我有以下类型的数据:
Person <- c("A", "B", "C", "D", "E", "E", "F", "G", "H", "I")
MOM <- c( NA, NA, NA, "A", "A", NA, "A", "B", "C", NA)
DAD <- c( NA, NA, NA, "B", "B", NA, "E", "A", "B", NA)
Xv <- 1:10
myd <- data.frame (Person, MOM, DAD, Xv, stringsAsFactors=F)
myd
Person MOM DAD Xv
1 A <NA> <NA> 1
2 B <NA> <NA> 2
3 C <NA> <NA> 3
4 D A B 4
5 E A B 5
6 E <NA> <NA> 6
7 F A E 7
8 G B A 8
9 H C B 9
10 I <NA> <NA> 10
此数据包括 Person 和他们的 Mom 和 Dad 列。我想为此数据创建家庭组。NA 是信息缺失。定义了一个具有共同 MOM 和 DAD 的家庭。创始人是那些同时拥有 NA,family = 0 的人。
这是我能弄清楚的,这对我来说并不完美:
fun <- function(i) {
i1 <- if (is.na(myd[i, 2])) i else match(myd[i, 2], myd[1:i, 2])
i2 <- if (is.na(myd[i, 3])) i else match(myd[i, 3], myd[1:i, 3])
min(i1, i2)
}
myd$family <- as.numeric(factor(sapply(1:nrow(myd), fun)))
Person MOM DAD Xv family
1 A <NA> <NA> 1 1
2 B <NA> <NA> 2 2
3 C <NA> <NA> 3 3
4 D A B 4 4
5 E A B 5 4
6 E <NA> <NA> 6 5
7 F A E 7 4
8 G B A 8 6
9 H C B 9 4
10 I <NA> <NA> 10 7
上述功能在某种意义上是不完善的:家庭数据不包括他们父母的数据,例如家庭 4 应该包括 A 和 B 的数据。因此完整的家庭看起来像:
1 A <NA> <NA> 1 1
2 B <NA> <NA> 2 2
4 D A B 4 4
5 E A B 5 4
另一件事(至少对我来说是),作为 DAD = A 和 MOM = B 与 DAD = B 和 MOM = A 相同。因此家庭 4 和 6 是相同的 A 和 B 父母的产物,所以应该相同.
4 D A B 4 4
5 E A B 5 4
8 G B A 8 6
因此预期的输出是:
Person MOM DAD Xv family
# founders
1 A <NA> <NA> 1 0
2 B <NA> <NA> 2 0
3 C <NA> <NA> 3 0
10 I <NA> <NA> 10 0
6 E <NA> <NA> 6 0
# Family 1
1 A <NA> <NA> 1 1
2 B <NA> <NA> 2 1
4 D A B 4 1
5 E A B 5 1
8 G B A 8 1
# Family 2
1 A <NA> <NA> 1 2
6 E <NA> <NA> 6 2
7 F A E 7 2
# Family 3
2 B <NA> <NA> 2 3
3 C <NA> <NA> 3 3
9 H C B 9 3
编辑:
遗憾的是(好!)在人类遗传学中,我们需要处理类似的变量——家庭、三人组、妈妈(父母 1、母亲、女性)、父亲(父亲、父母 2、男性)、个人/主体等。这使得一切都相似并且问题类似。
Family vs Trio
1 Nuclear family
A x B
|
C D E
Trio -> 3 trios
A x B A x B A x B
| | |
C D E
提问者的编辑:我同意下面的评论作为作业,请不要回答这个问题一段时间(你认为足够好的时间已经过去了作业提交时间)。如果我得到答案,我会在稍后(3 个月左右)发布。
编辑
创始人定义- 父母双方不知道他们是否是任何儿子/女儿的人,因此他们在 MOM 和 DAD 列中都有。这些被认为是家庭 0,因为它们是其他家庭的一部分,但该列表不是真正的家庭。
Person MOM DAD Xv family
1 A <NA> <NA> 1 0
2 B <NA> <NA> 2 0
3 C <NA> <NA> 3 0
10 I <NA> <NA> 10 0
6 E <NA> <NA> 6 0
** 家庭定义*一个家庭由父母(妈妈和爸爸)以及所有的儿子和女儿组成。如果 Person DAD and MOM 与另一个人 DAD 和 MOM 匹配,则应将其视为一个家庭。例如,以下列表中的 D 和 E 人有 MOM = A 和 DAD = B,这两个人与 D 和 E 一起组成了一个家庭。现在我们需要从创始人列表(家庭 0)中回收他们父母(A 和 B)的数据。
# Family 1
Person MOM DAD Xv family
1 A <NA> <NA> 1 1
2 B <NA> <NA> 2 1
4 D A B 4 1
5 E A B 5 1
同样与人类情况相反,一个人可以是 MOM 或 DAD(可以转换性别),因此 A (MOM) 和 B (DAD) 产生的后代与 B (MOM) 和 A(DAD) 产生的后代相同,因此我们需要将以下个人添加到家庭 1 列表中。
Person MOM DAD Xv family
8 G B A 8 1
因此家庭 1 的完整列表变为:
Person MOM DAD Xv family
1 A <NA> <NA> 1 1
2 B <NA> <NA> 2 1
4 D A B 4 1
5 E A B 5 1
8 G B A 8 1
族 1 可以用图解表示为:
MOM x DAD MOM x DAD
A | B or B | A
----------------- ------
| | |
D E G
这是部分解决方案:
myd1 <- data.frame(myd$DAD, myd$MOM)
myd$family<-as.factor(apply(myd1,1,function(x){paste(x[order(x)],collapse='-')}))
Person MOM DAD Xv family
1 A <NA> <NA> 1 NA-NA
2 B <NA> <NA> 2 NA-NA
3 C <NA> <NA> 3 NA-NA
4 D A B 4 A-B
5 E A B 5 A-B
6 E <NA> <NA> 6 NA-NA
7 F A E 7 A-E
8 G B A 8 A-B
9 H C B 9 B-C
10 I <NA> <NA> 10 NA-NA
它没有给出家庭编号,而是 A 和 B 的家庭。NA-NA 是创始人,它在崩溃之前下令,因此 AB 成为 BA。
剩下的问题是 AB 家庭需要从人 A 和 B 回收的数据(尽管他们在家庭 NA-NA 组中)。
Person MOM DAD Xv family
1 A <NA> <NA> 1 NA-NA
2 B <NA> <NA> 2 NA-NA
4 D A B 4 A-B
5 E A B 5 A-B