если в CRAN то конечно не так просто, надо ещё и оформить пакет, и код должен соответствовать политике CRAN и т.д.


у меня давно зреет идея либо серию статей написать, либо видео уроков о создании пакетов, может созрею

нынче делают чуть по другому.
https://usethis.r-lib.org/

да, я об это пакете знаю, даже вроде частично его использовал, но надо будет нормально маны почитать

У меня вопрос про subset.
Как бы создать список из нескольких сабсетов из объекта phyloseq?
Функция для сабсетов для таких объектов основана на обычном subset() для датафреймов (код в самом низу). Я бы хотела применить эту функцию к списку выражений (который у меня формируется автоматически из названия фактора и нужных его уровней), но что-то идет не так...
Какой может быть самый простой обходной путь? Написать на основе их функции свою multisubset_samples(), которая возвращает список сабсетов?

# Обычный subset для data.frame работает
dfr <- data.frame(group = c("A", "A", "B", "A", "B"), value = 1:5)
conditions <- list(expression(group == "A" & value < 3), 
                   expression(group == "A"), 
                   expression(group == "B"))
lapply(conditions, function(x) subset(dfr, eval(x)))

# Создаем объект phyloseq
# if (!requireNamespace("BiocManager", quietly = TRUE))
#   install.packages("BiocManager")
# BiocManager::install("phyloseq")
library("phyloseq")
OTU <- otu_table(matrix(1:20, ncol = 4), taxa_are_rows = TRUE)
samples <- sample_data(dfr)
mb <- phyloseq(OTU, samples)

# С одним условием все работает
subset_samples(mb, group == "A")
# Со списком условий - нет
lapply(conditions, function(x) subset_samples(mb, eval(x)))
# Error in eval(x) : object 'value' not found

# Исходный код `subset_samples` 
# function (physeq, ...) 
# {
#   if (is.null(sample_data(physeq))) {
#     cat("Nothing subset. No sample_data in physeq.\n")
#     return(physeq)
#   }
#   else {
#     oldDF <- as(sample_data(physeq), "data.frame")
#     newDF <- subset(oldDF, ...)
#     if (class(physeq) == "sample_data") {
#       return(sample_data(newDF))
#     }
#     else {
#       sample_data(physeq) <- sample_data(newDF)
#       return(physeq)
#     }
#   }
# }

UPD:
Пока написала корявую функцию для сплита по фактору.

library("onehot")
multisubset_samples <- function (physeq, fact)
{
  if (is.null(sample_data(physeq))) {
    cat("Nothing subset. No sample_data in physeq.\n")
    return(physeq)
  }
  else {
    groups <- levels(fact)
    dfr <- data.frame(fact)
    fltr <- predict(onehot(dfr), dfr)
    colnames(fltr) <- (gsub("fact=", "", colnames(fltr)))
    fltr <- as.list(data.frame(fltr>0))
    oldDF <- as(sample_data(physeq), "data.frame")
    newDF_list <- lapply(fltr, function(x) subset(oldDF, eval(x)))
    
    if (class(physeq) == "sample_data") {
      res <- lapply(newDF_list, sample_data)
      return(res)
    }
    else {
      n <- length(fltr)
      res <- vector(mode = "list", length = n)
      for(i in 1:n) {
        res[[i]] <- physeq
        sample_data(res[[i]]) <- sample_data(newDF_list[[i]])
      }
      return(res)
    }
  }
}

ох, сколько ж он за собой тянет-то...

Да, есть такой момент(

А может лучше формировать не выражения, а сразу уже вектор с TRUE, FALSE? Тогда потом уже просто выбирать подвыборки самыми стандартными средствами

То есть будет примерно тоже самое, но без слова expression:

conditions <- list(group == "A" & value < 3, ...)

там s4 класс, а не стандартный датафрейм. пакетная функция сабсета его внутри преобразует и сплитит, но прямым путем оно не очень решается

я бегло посмотрел. интересная задача, постараюсь вечером поковырять подробнее

Это я понимаю. В этом и затык...

Спасибо!

Привет) Товарищи, мне кажется или pandas потребляет огромное количество памяти, по сравнению с R и постоянно крашится без особых на то причин?

Ура, пятница!

Pandas вышел из чата

Личного большого опыта не имею, но не однократно на том же слаке видел сравнение R vs питон. Один из недостатков - это пандас (data table на пол корпуса его обходит).