为行中的每个唯一值连接列中的所有元素。

Question

我希望将所有fast1和fast2文件连接起来，用于Sam_1中的每个唯一值。

如：cat SRR3493476_1.fastq SRR3493477_1.fastq SRR3493475_1.fastq > L1-A_1.fastq

cat SRR3493476_2.fastq SRR3493477_2.fastq SRR3493475_2.fastq > L1-A_2.fastq

 Run_s           Sam_1   fast1                   fast2
    SRR3493476      L1-A    SRR3493476_1.fastq      SRR3493476_2.fastq
    SRR3493477      L1-A    SRR3493477_1.fastq      SRR3493477_2.fastq
    SRR3493475      L1-A    SRR3493475_1.fastq      SRR3493475_2.fastq
    SRR3493483      L1-B    SRR3493483_1.fastq      SRR3493483_2.fastq
    SRR3493481      L1-B    SRR3493481_1.fastq      SRR3493481_2.fastq
    SRR3493482      L1-B    SRR3493482_1.fastq      SRR3493482_2.fastq
    SRR3493487      L1-C    SRR3493487_1.fastq      SRR3493487_2.fastq
    SRR3493484      L1-C    SRR3493484_1.fastq      SRR3493484_2.fastq
    SRR3493485      L1-C    SRR3493485_1.fastq      SRR3493485_2.fastq
    SRR3493486      L1-D    SRR3493486_1.fastq      SRR3493486_2.fastq
    SRR3493478      L1-D    SRR3493478_1.fastq      SRR3493478_2.fastq
    SRR3493479      L1-D    SRR3493479_1.fastq      SRR3493479_2.fastq

Answer 1

我使用tapply和paste生成命令：

r1 = with(dd, tapply(fast1, Sam_1, paste, collapse = " "))
for (i in seq_along(r1)) {
    r1[[i]] = sprintf("cat %s > %s.fastq", r1[[i]], names(r1)[i])
}
r1
#                                                                        L1-A 
# "cat SRR3493476_1.fastq SRR3493477_1.fastq SRR3493475_1.fastq > L1-A.fastq" 
#                                                                        L1-B 
# "cat SRR3493483_1.fastq SRR3493481_1.fastq SRR3493482_1.fastq > L1-B.fastq" 
#                                                                        L1-C 
# "cat SRR3493487_1.fastq SRR3493484_1.fastq SRR3493485_1.fastq > L1-C.fastq" 
#                                                                        L1-D 
# "cat SRR3493486_1.fastq SRR3493478_1.fastq SRR3493479_1.fastq > L1-D.fastq" 

然后，可以使用使用system的for循环来执行每个命令(lapply(r1, system))。

我将继续使用fast2列执行类似的步骤，或者将上面的内容转换成一个很好的函数来完成这两种操作，作为读者的练习。

使用这些数据：

dd = read.table(text = " Run_s           Sam_1   fast1                   fast2
    SRR3493476      L1-A    SRR3493476_1.fastq      SRR3493476_2.fastq
    SRR3493477      L1-A    SRR3493477_1.fastq      SRR3493477_2.fastq
    SRR3493475      L1-A    SRR3493475_1.fastq      SRR3493475_2.fastq
    SRR3493483      L1-B    SRR3493483_1.fastq      SRR3493483_2.fastq
    SRR3493481      L1-B    SRR3493481_1.fastq      SRR3493481_2.fastq
    SRR3493482      L1-B    SRR3493482_1.fastq      SRR3493482_2.fastq
    SRR3493487      L1-C    SRR3493487_1.fastq      SRR3493487_2.fastq
    SRR3493484      L1-C    SRR3493484_1.fastq      SRR3493484_2.fastq
    SRR3493485      L1-C    SRR3493485_1.fastq      SRR3493485_2.fastq
    SRR3493486      L1-D    SRR3493486_1.fastq      SRR3493486_2.fastq
    SRR3493478      L1-D    SRR3493478_1.fastq      SRR3493478_2.fastq
    SRR3493479      L1-D    SRR3493479_1.fastq      SRR3493479_2.fastq", header = T)

Answer 2

您也可以用dplyr + tidyr来尝试这一点。

library(dplyr)
library(tidyr)

df %>%
  gather(variable, value, fast1:fast2) %>%
  mutate(variable = sub("(fast)(\\d)", "\\2.\\1q", variable)) %>%
  unite(Sam_1, c("Sam_1", "variable"), sep = "_") %>%
  group_by(Sam_1) %>%
  summarize(value = paste(value, collapse = " ")) %>%
  with(paste("cat", value, ">", Sam_1)) %>%
  sapply(system)

命令：

[1] "cat SRR3493476_1.fastq SRR3493477_1.fastq SRR3493475_1.fastq > L1-A_1.fastq"
[2] "cat SRR3493476_2.fastq SRR3493477_2.fastq SRR3493475_2.fastq > L1-A_2.fastq"
[3] "cat SRR3493483_1.fastq SRR3493481_1.fastq SRR3493482_1.fastq > L1-B_1.fastq"
[4] "cat SRR3493483_2.fastq SRR3493481_2.fastq SRR3493482_2.fastq > L1-B_2.fastq"
[5] "cat SRR3493487_1.fastq SRR3493484_1.fastq SRR3493485_1.fastq > L1-C_1.fastq"
[6] "cat SRR3493487_2.fastq SRR3493484_2.fastq SRR3493485_2.fastq > L1-C_2.fastq"
[7] "cat SRR3493486_1.fastq SRR3493478_1.fastq SRR3493479_1.fastq > L1-D_1.fastq"
[8] "cat SRR3493486_2.fastq SRR3493478_2.fastq SRR3493479_2.fastq > L1-D_2.fastq"

数据：

df = read.table(text = " Run_s           Sam_1   fast1                   fast2
                SRR3493476      L1-A    SRR3493476_1.fastq      SRR3493476_2.fastq
                SRR3493477      L1-A    SRR3493477_1.fastq      SRR3493477_2.fastq
                SRR3493475      L1-A    SRR3493475_1.fastq      SRR3493475_2.fastq
                SRR3493483      L1-B    SRR3493483_1.fastq      SRR3493483_2.fastq
                SRR3493481      L1-B    SRR3493481_1.fastq      SRR3493481_2.fastq
                SRR3493482      L1-B    SRR3493482_1.fastq      SRR3493482_2.fastq
                SRR3493487      L1-C    SRR3493487_1.fastq      SRR3493487_2.fastq
                SRR3493484      L1-C    SRR3493484_1.fastq      SRR3493484_2.fastq
                SRR3493485      L1-C    SRR3493485_1.fastq      SRR3493485_2.fastq
                SRR3493486      L1-D    SRR3493486_1.fastq      SRR3493486_2.fastq
                SRR3493478      L1-D    SRR3493478_1.fastq      SRR3493478_2.fastq
                SRR3493479      L1-D    SRR3493479_1.fastq      SRR3493479_2.fastq", header = TRUE, stringsAsFactors = FALSE)

Answer 3

你可以一举做到这一点

data <- read.table(text="Run_s           Sam_1   fast1                   fast2
    SRR3493476      L1-A    SRR3493476_1.fastq      SRR3493476_2.fastq
    SRR3493477      L1-A    SRR3493477_1.fastq      SRR3493477_2.fastq
    SRR3493475      L1-A    SRR3493475_1.fastq      SRR3493475_2.fastq
    SRR3493483      L1-B    SRR3493483_1.fastq      SRR3493483_2.fastq
    SRR3493481      L1-B    SRR3493481_1.fastq      SRR3493481_2.fastq
    SRR3493482      L1-B    SRR3493482_1.fastq      SRR3493482_2.fastq
    SRR3493487      L1-C    SRR3493487_1.fastq      SRR3493487_2.fastq
    SRR3493484      L1-C    SRR3493484_1.fastq      SRR3493484_2.fastq
    SRR3493485      L1-C    SRR3493485_1.fastq      SRR3493485_2.fastq
    SRR3493486      L1-D    SRR3493486_1.fastq      SRR3493486_2.fastq
    SRR3493478      L1-D    SRR3493478_1.fastq      SRR3493478_2.fastq
    SRR3493479      L1-D    SRR3493479_1.fastq      SRR3493479_2.fastq", 
    header=TRUE, stringsAsFactors=FALSE)


groups1 <- by(data$fast1, data$Sam_1, as.character)
groups2 <- by(data$fast2, data$Sam_1, as.character)

groups <- c(groups1, groups2)
fnames <- paste0(names(groups), "_", rep(1:2, each=length(unique(data$Sam_1))))
names(groups) <- fnames


for (i in 1:length(groups)) {
    file <- shQuote(paste0(fnames[i], ".fastq"))
    system(paste("cat", paste(groups[[i]], collapse=" "), ">", file))
}

文件名将是L1-A_1.fastq、L1-B_1.fastq等。