簡體   English   中英

R數據幀操作

[英]R data frame manipulation

假設我有一個看起來像這樣的數據框。

#   start  end  motif
#       2    6      a
#      10   15      b
#      30   35      c

我將如何創建一個數據框,以填充剩余的開始和結束位置(例如,直到一定數量的Max_end

Max_end <- 33

#   start  end  motif
#       0    2     na          # <- 0-2 are filled in because it is not in the original data frame
#       2    6      a          # <- 2-6 are in the original
#       6   10     na          # <- 6-10 is not
#      10   15      b          # <- 10-15 is
#      15   30     na          # and so on
#      30   33      c

此外,計算起點和終點之間的距離並創建一列數據框。

#   Length  motif
#        2     na
#        4      a
#        4     na
#        5      b
#       15     na
#        3      c

目前,這就是我的操作方式:效率很低

library(data.table)
library(stringi)

f <- fread('ABC.txt',header=F,skip=1)$V1
f <- paste(f, collapse = "")

motifs = c('GATC', 'CTGCAG', 'ACCACC', 'CC(A|T)GG', 'CCAC.{8}TGA(C|T)')

v <- na.omit(data.frame(do.call(rbind, lapply(stri_locate_all_regex(f, motifs), unlist))))
v <- v[order(v[,1]),]
v2difference <- "blah"

for(i in 2:nrow(v)){
  if(v[i,1] > v[i-1,2]+2){v2difference[i] <- v[i,1]-v[i-1,2]-2} 
}
v2difference[1] <- v[1,1]
v2 <- data.frame(Order=seq(1, 2*nrow(v), 2),Lengths=matrix(v2difference, ncol = 1),Motifs="na")
v1 <- data.frame(Order=seq(2, 2*nrow(v), 2),Lengths=(v$end-v$start+1),Motifs=na.omit(unlist(stri_extract_all_regex(f,motifs))))
V <- data.frame(Track=1,rbind(v1,v2))
V <- V[order(V$Order),]
B <- V[,!(names(V) %in% "Order")]
Max_end <- 33

breaks <- c(0, t(as.matrix(dat[,1:2])), Max_end)  # get endpoints
breaks <- breaks[breaks <= Max_end]
merge(dat, data.frame(start=breaks[-length(breaks)], end=breaks[-1]), all=T)

# start end motif
# 1     0   2  <NA>
# 2     2   6     a
# 3     6  10  <NA>
# 4    10  15     b
# 5    15  30  <NA>
# 6    30  33  <NA>
# 7    30  35     c

要指定起點和終點,您可以執行

Max_end <- 33
Max_start <- 10
breaks <- unique(c(Max_start, t(as.matrix(dat[,1:2])), Max_end))
breaks <- breaks[breaks <= Max_end & breaks >= Max_start]

merge(dat, data.frame(start=breaks[-length(breaks)], end=breaks[-1]), all.y=T)

#   start end motif
# 1    10  15     b
# 2    15  30  <NA>
# 3    30  33  <NA>

注意:縮短的最終間隔中不包括“ c”,您需要確定間隔更改時是否包含該值。

暫無
暫無

聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM