R语言学习——by函数的一些理解

在做GEO数据挖掘时，有一步操作是整合表达矩阵，即多个探针对应一个基因的情况下，只保留在所有样本里面平均表达量最大的那个探针。

tmp <- by(exprSet,ids$symbol,
          function(x) rownames(x)[which.max(rowMeans(x))])

一开始不是很理解，所以去找了by函数的例子，如下。

类比了一下可以看出：
这个操作首先是根据symbol对exprSet进行分类；然后对同一类数据计算其行平均值；最后找出平均值最大的行，取其行名。

> library(stats)

# 看一下warpbreaks数据集的结构
> head(warpbreaks)
  breaks wool tension
1     26    A       L
2     30    A       L
3     54    A       L
4     25    A       L
5     70    A       L
6     52    A       L

> table(warpbreaks$wool)
 A  B 
27 27 

> table(warpbreaks$tension)
 L  M  H 
18 18 18 

# 可以看到by是根据tension的分类进行操作的
> by(warpbreaks[, 1:2], warpbreaks[,"tension"], summary)
warpbreaks[, "tension"]: L
     breaks      wool 
 Min.   :14.00   A:9  
 1st Qu.:26.00   B:9  
 Median :29.50        
 Mean   :36.39        
 3rd Qu.:49.25        
 Max.   :70.00        
----------------------------------------------------------------- 
warpbreaks[, "tension"]: M
     breaks      wool 
 Min.