列表上的相交

Question

我有6个txt文件分成两个组(A和T文件)。我希望在R中导入所有这些文件，并将每个A文件与每个T文件相交，并在这个示例中获得一个矩阵，其比例为A与T的比率。我想做两个向量的列表，然后从它们开始，找到一种计算这个矩阵的方法。

A_1.txt
tomato
zucchini
potato
banana
coconut
salt
A_2.txt
tomato
zucchini
potato
A_3.txt
zucchini
potato
T_1.txt
tomato
zucchini
potato
banana
coconut
salt
T_2.txt
tomato
zucchini
potato
banana
T_3.txt
potato
banana
coconut

我想得到的是这个矩阵：

    T_1 T_2 T_3
A_1 6   4   3
A_2 3   3   1
A_3 2   2   1

有人能告诉我如何在R中做这件事吗？

我以这样的方式读到了这些信息：

A_files <- list.files("/home/A/", full.names = TRUE)
T_files <- list.files("/home/T/", full.names = TRUE)
myAlist <- lapply(A_files, read.delim, header=FALSE)
myTlist <- lapply(T_files, read.delim, header=FALSE)

Answer 1

这就是我希望使用的一套工具：

library(data.table)
library(magrittr)
filenames <- dir(pattern = "^[AT]_\\d.txt$") 
vec <-
  lapply(filenames, fread, header = FALSE) %>% 
  set_names(filenames %>% stringr::str_remove("\\.txt$")) %>% 
  rbindlist(idcol = "file")
vecA <- vec[file %like% "^A"]
vecT <- vec[file %like% "^T"]
vecA[vecT, on = .(V1), allow.cartesian = TRUE] %>% 
  dcast(file ~ i.file, length)

file T\_1 T\_2 T\_3 1: A\_1 6 4 3 2: A\_2 3 3 1 3: A\_3 2 2 1

解释

1. 假设所有文件( A_1.txt、A_2.txt、……、T_2.txt、T_3.txt )都存储在同一个文件夹中，选择文件名。
2. --所有文件都被读取到列表中，列表元素将相应命名，然后将它们合并成一个data.table，并增加一个列来标识每一行的来源。

H 113然后，这两个数据集在vecA和vecT中分离。(这只是为了清晰和减少代码convoluted).

1. The，两个数据集被连接在一起，结果从长到宽的格式，包括公共元素的数量。

连接的结果是

vecA[vecT, on = .(V1), allow.cartesian = TRUE]

file V1 i.file 1: A\_1 tomato T\_1 2: A\_2 tomato T\_1 3: A\_1 zucchini T\_1 4: A\_2 zucchini T\_1 5: A\_3 zucchini T\_1 6: A\_1 potato T\_1 7: A\_2 potato T\_1 8: A\_3 potato T\_1 9: A\_1 banana T\_1 10: A\_1 coconut T\_1 11: A\_1 salt T\_1 12: A\_1 tomato T\_2 13: A\_2 tomato T\_2 14: A\_1 zucchini T\_2 15: A\_2 zucchini T\_2 16: A\_3 zucchini T\_2 17: A\_1 potato T\_2 18: A\_2 potato T\_2 19: A\_3 potato T\_2 20: A\_1 banana T\_2 21: A\_1 potato T\_3 22: A\_2 potato T\_3 23: A\_3 potato T\_3 24: A\_1 banana T\_3 25: A\_1 coconut T\_3 file V1 i.file

可复制数据

这是一种从问题中提供的示例数据集中创建6个输入文件的方法：

library(data.table)
library(magrittr)
fread("A_1.txt
tomato
zucchini
potato
banana
coconut
salt
A_2.txt
tomato
zucchini
potato
A_3.txt
zucchini
potato
T_1.txt
tomato
zucchini
potato
banana
coconut
salt
T_2.txt
tomato
zucchini
potato
banana
T_3.txt
potato
banana
coconut", header = FALSE) %>% 
  .[, fwrite(.(V1[-1]), V1[1]), by = cumsum(V1 %like% "^[AT]_\\d.txt$")]

Answer 2

下面是一种使用基本R命令的方法。R默认为从字符向量创建因子。重要的是你不能允许这样做。将参数as.is=TRUE包含在read.csv命令中将保留字符数据。首先，让数据更容易获得：

myAlist <- list(A_1 = c("tomato", "zucchini", "potato", "banana", "coconut", 
     "salt"), A_2 = c("tomato", "zucchini", "potato"), A_3 = c("zucchini", 
     "potato"))
myTlist <- list(T_1 = c("tomato", "zucchini", "potato", "banana", "coconut", 
     "salt"), T_2 = c("tomato", "zucchini", "potato", "banana"), T_3 = c("potato", 
     "banana", "coconut"))

现在，我们创建一个函数来查找两个组的交集并计算共享项的数量：

Shared <- function(a, t) {
    length(intersect(myAlist[[a]], myTlist[[t]]))
}

我们将A中的每一组与B中的每一组进行比较，例如A1与B1、B2、B3等：

(A <- rep(1:3, each=3))
# [1] 1 1 1 2 2 2 3 3 3
(T <- rep(1:3, 3))
# [1] 1 2 3 1 2 3 1 2 3

最后，我们计算共享项的数量：

nshare <- mapply(Shared, A, T)
myTbl <- matrix(nshare, 3, byrow=TRUE, dimnames=list(A=names(myAlist), T=names(myTlist)))
myTbl
#      T
# A     T_1 T_2 T_3
#   A_1   6   4   3
#   A_2   3   3   1
#   A_3   2   2   1