web-dev-qa-db-fra.com

Fichier texte à lister en R

J'ai un grand fichier texte avec un nombre variable de champs dans chaque ligne. La première entrée de chaque ligne correspond à une voie biologique et chaque entrée suivante correspond à un gène de cette voie. Les premières lignes peuvent ressembler à ceci

path1   gene1 gene2
path2   gene3 gene4 gene5 gene6
path3   gene7 gene8 gene9

J'ai besoin de lire ce fichier dans R en tant que liste, chaque élément étant un vecteur de caractères et le nom de chaque élément de la liste étant le premier élément de la ligne, par exemple:

> pathways <- list(
+     path1=c("gene1","gene2"), 
+     path2=c("gene3","gene4","gene5","gene6"),
+     path3=c("gene7","gene8","gene9")
+ )
> 
> str(pathways)
List of 3
 $ path1: chr [1:2] "gene1" "gene2"
 $ path2: chr [1:4] "gene3" "gene4" "gene5" "gene6"
 $ path3: chr [1:3] "gene7" "gene8" "gene9"
> 
> str(pathways$path1)
 chr [1:2] "gene1" "gene2"
> 
> print(pathways)
$path1
[1] "gene1" "gene2"

$path2
[1] "gene3" "gene4" "gene5" "gene6"

$path3
[1] "gene7" "gene8" "gene9"

... mais je dois le faire automatiquement pour des milliers de lignes. J'ai vu un question similaire postée ici précédemment , mais je n'ai pas pu comprendre comment faire cela à partir de ce fil.

Merci d'avance.

listrtextstatistics
29
Stephen Turner

Voici une façon de procéder:

# Read in the data
x <- scan("data.txt", what="", sep="\n")
# Separate elements by one or more whitepace
y <- strsplit(x, "[[:space:]]+")
# Extract the first vector element and set it as the list element name
names(y) <- sapply(y, `[[`, 1)
#names(y) <- sapply(y, function(x) x[[1]]) # same as above
# Remove the first vector element from each list element
y <- lapply(y, `[`, -1)
#y <- lapply(y, function(x) x[-1]) # same as above
41
Joshua Ulrich

Une solution consiste à lire les données via read.table(), mais utilisez le fill = TRUE argument pour remplir les lignes avec moins d '"entrées", convertir le bloc de données résultant en une liste, puis nettoyer les éléments "vides".

Tout d'abord, lisez votre extrait de données dans:

con <- textConnection("path1   gene1 gene2
path2   gene3 gene4 gene5 gene6
path3   gene7 gene8 gene9
")
dat <- read.table(con, fill = TRUE, stringsAsFactors = FALSE)
close(con)

Ensuite, nous déposons la première colonne, la sauvegardant d'abord pour les noms de la liste plus tard

nams <- dat[, 1]
dat <- dat[, -1]

Convertissez le bloc de données en liste. Ici, je viens de diviser la trame de données sur les indices 1,2, ..., n où n est le nombre de lignes:

ldat <- split(dat, seq_len(nrow(dat)))

Nettoyez les cellules vides:

ldat <- lapply(ldat, function(x) x[x != ""])

Enfin, appliquez les noms

names(ldat) <- nams

Donnant:

> ldat
$path1
[1] "gene1" "gene2"

$path2
[1] "gene3" "gene4" "gene5" "gene6"

$path3
[1] "gene7" "gene8" "gene9"
6
Gavin Simpson

Encore une solution:

sl <- c("path1 gene1 gene2", "path2 gene1 gene2 gene3") # created by readLines 
f <- function(l, s) {
  v <- strsplit(s, " ")[[1]]
  l[[v[1]]] <- v[2:length(v)]
  return(l)
}
res <- Reduce(f, sl, list())
3
Karsten W.

Une solution rapide basée sur la page liée ...

inlist <- strsplit(readLines("file.txt"), "[[:space:]]+")
pathways <- lapply(inlist, tail, n = -1)
names(pathways) <- lapply(inlist, head, n = 1)
3
JAShapiro