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.
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
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"
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())
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)