代码之家 › 专栏 › 技术社区 › compbiostats

使用R::split()根据名称将数据分隔为INTO组

fasta split r

0

compbiostats · 技术社区 · 3 年前

考虑以下名为 x 其输出是R:

> x
    A
    A
    A
    B
    B
    C

我想用 split 拆分 x 分成3组A、B和C,其中A有3个元素,B有2个,C有1个。

分组因素论点应该是什么, f ,在 split() ?

上面是一个微不足道的例子。我的结构要大得多。

我的真实例子包括FASTA标题,其中多个DNA序列对应于同一物种,我需要根据物种进行拆分。但是,物种名称出现在标题中,如下所示:

">COLFG678-14|MZ630002|Agabus|adpressus|AEC6988|COI-5P"

物种在这里阿甘。

由于我不确定现阶段最合适的输出,它可能看起来像

$`Agabus adpressus`
Seq1
Seq2
Seq3

1 回复 | 直到 3 年前

1

2

Onyambu 3 年前

read.table(text = vals, sep='|')|>
   split(~paste(V3,V4))|>
   map(~invoke(str_c, .x, sep='|'))

$`Agabus adpressus`
[1] ">COLFG678-14|MZ630002|Agabus|adpressus|AEC6988|COI-5P"
[2] ">CZLFG631-11|MZ730009|Agabus|adpressus|BSF8945|AOL-5N"
[3] ">XOLGG558-12|MK630011|Agabus|adpressus|JLD6018|CVI-1P"

$`Agabus ajax`
[1] ">YPLFG578-81|JF830122|Agabus|ajax|XCV0091|CMM-1N"
[2] ">CLVFG679-13|KA301202|Agabus|ajax|FFP1111|AND-5Z"

虽然您可以拆分,但我建议使用 group_by 其工作原理相似且更易于使用

2

1

AndS. 3 年前

我想你的真实数据是不一致的,因为同一物种的每个字符串都是完全相同的。在这种情况下,您需要将物种从字符串中拉出以进行拆分:

vals <- c(">COLFG678-14|MZ630002|Agabus|adpressus|AEC6988|COI-5P",
                 ">CZLFG631-11|MZ730009|Agabus|adpressus|BSF8945|AOL-5N",
                 ">XOLGG558-12|MK630011|Agabus|adpressus|JLD6018|CVI-1P",
                 ">YPLFG578-81|JF830122|Agabus|ajax|XCV0091|CMM-1N",
                 ">CLVFG679-13|KA301202|Agabus|ajax|FFP1111|AND-5Z")


split(vals, sub("(?:(.*)\\|){2}(\\w+)\\|(\\w+)\\|.*?$", "\\1-\\2", vals))
#> $`Agabus-adpressus`
#> [1] ">COLFG678-14|MZ630002|Agabus|adpressus|AEC6988|COI-5P"
#> [2] ">CZLFG631-11|MZ730009|Agabus|adpressus|BSF8945|AOL-5N"
#> [3] ">XOLGG558-12|MK630011|Agabus|adpressus|JLD6018|CVI-1P"
#> 
#> $`Agabus-ajax`
#> [1] ">YPLFG578-81|JF830122|Agabus|ajax|XCV0091|CMM-1N"
#> [2] ">CLVFG679-13|KA301202|Agabus|ajax|FFP1111|AND-5Z"