基於組將數據添加到 dataframe

Question

我正在處理生物信息學數據，每行都有一個基因，列中有統計信息/元數據。 一些基因來自同一生物體，由“ID”列指示，我將數據分組在這個變量上。

data <- data %>%
  group_by(ID)

我想根據 ID（分組因子）添加來自另一個文件的數據，以便 ID = a 的行應該具有來自名為 a.gff 的文件的數據，依此類推。 我要添加的數據來自包含基因位置的 .gff 文件。 有一個 ID=a 的 gff 文件，一個 ID=b 的文件，一個 ID=c 的文件，等等根據 ID 命名（例如“a.gff”）。

數據是什么樣子的：

基因	ID
賽拉	一個
細胞	一個
Atl	b
prT	一個
胡爾	c

有沒有辦法實現 function 為每個 ID 分組打開一個文件，執行操作並移動到下一個 ID？

我對 R 很陌生，非常感謝任何幫助！

Answer 1

我認為最簡單的方法是首先閱讀所有.gff文件。 我不熟悉格式，所以我的示例將使用.csv擴展名。 以下代碼將“dir”目錄中的所有文件作為列表列讀取，然后將其取消嵌套，使其成為常規 tibble。

之后，您可以只使用兩個小標題left_join() ，然后按ID分組。

library(tidyverse)

binded <- tibble(
    file = list.files("dir"), # can remove before the join
    location = list.files("dir", full.names = TRUE), # can remove before the join
    ID = str_remove(file, "\.csv"),
    df = map(location, read_csv)
) %>% 
    unnest(df)

data %>% 
    left_join(binded)