如何将具有关系(A-1、A-2、A-3、B-2、B-4、B-5等)的成对数据文件解析为R中类似字典的结构

Question

我是一名红宝石开发人员，但我需要在R中开发我的最后工作学位的一部分，我正在读这样的文件：

genes = read.delim(opt$pregeneset)

其内容如下：

              GVR    ENTREZ
1   chr15.gvr7.17    114791
2   chr15.gvr7.17    283767
3   chr15.gvr7.17 100996331
4   chr15.gvr7.17    390538
5   chr15.gvr7.17    283694
6   chr15.gvr8.16    123606
7   chr15.gvr8.16     81614
8   chr15.gvr8.16     23191
9   chr15.gvr9.15    283685
10  chr15.gvr9.15      7681

我想用这样的字典结构来转换这些数据：

gvr_data = {"chr15.gvr7.17": [114791, 283767, 100996331, 390538, 283694],
 "chr15.gvr8.16": [123606, 81614, 23191], 
 "chr15.gvr9.15": [283685, 7681]}

诸若此类。通常，我会在GVR上迭代，将"i“项保存为键，并将数组中的"i”项作为生成前面显示的字典/哈希映射的值，但我不知道如何在R中这样做。

Answer 1

你想要一个名单，你可以这样得到它：

result <- lapply(split.data.frame(genes, genes$GVR), function(x) x$ENTREZ)
print(result)
#> $`chr15.gvr7.17`
#> [1]    114791    283767 100996331    390538    283694
#> 
#> $chr15.gvr8.16
#> [1] 123606  81614  23191
#> 
#> $chr15.gvr9.15
#> [1] 283685   7681

现在，您可以使用$操作符访问任何一个向量，如下所示：

result$chr15.gvr9.15
#> [1] 283685   7681

Answer 2

下面是基R的两种输出类型，其中一种可能是您想要的

• 解决方案1:输出为数据帧

gvr_data_df  <- aggregate(ENTREZ~GVR, genes, FUN = function(x) x)

> gvr_data_df
            GVR                                    ENTREZ
1 chr15.gvr7.17 114791, 283767, 100996331, 390538, 283694
2 chr15.gvr8.16                      123606, 81614, 23191
3 chr15.gvr9.15                              283685, 7681

• 解决方案2:输出为list

gvr_data_lst <- lapply(split(genes,genes$GVR),`[[`,2)

> gvr_data_lst
$chr15.gvr7.17
[1]    114791    283767 100996331    390538    283694

$chr15.gvr8.16
[1] 123606  81614  23191

$chr15.gvr9.15
[1] 283685   7681

Answer 3

已经有一个公认的答案，但这里有另一个答案，也许更像公布的预期结果。

aggregate(ENTREZ ~ GVR, genes, function(x){
  x <- paste(x, collapse = ', ')
  paste0('[', x, ']')
})
#            GVR                                      ENTREZ
#1 chr15.gvr7.17 [114791, 283767, 100996331, 390538, 283694]
#2 chr15.gvr8.16                      [123606, 81614, 23191]
#3 chr15.gvr9.15                              [283685, 7681]

或者是JSON格式。

agg <- aggregate(ENTREZ ~ GVR, genes, paste)
jsonlite::toJSON(agg, "values", pretty = TRUE)
#[
#  ["chr15.gvr7.17", ["114791", "283767", "100996331", "390538", "283694"]],
#  ["chr15.gvr8.16", ["123606", "81614", "23191"]],
#  ["chr15.gvr9.15", ["283685", "7681"]]
#] 

数据.

genes <- read.table(text = "
              GVR    ENTREZ
1   chr15.gvr7.17    114791
2   chr15.gvr7.17    283767
3   chr15.gvr7.17 100996331
4   chr15.gvr7.17    390538
5   chr15.gvr7.17    283694
6   chr15.gvr8.16    123606
7   chr15.gvr8.16     81614
8   chr15.gvr8.16     23191
9   chr15.gvr9.15    283685
10  chr15.gvr9.15      7681
", header = TRUE)