带有 dplyr 的 for 循环答案

【问题标题】：for loop with dplyr带有 dplyr 的 for 循环
【发布时间】：2021-09-12 20:20:07
【问题描述】：

我有一堆我手动读取的文件：

# gel above replicates

    A_gel <-read.delim("XL1_3_S35_L004_R1_001_w_XL2_3_S37_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
    B_gel <-read.delim("XL2_3_S37_L004_R1_001_w_XL2_3_S37_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
    C_gel <- read.delim("XL2_3_S37_L004_R1_001_w_XL1_3_S35_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
    D_gel <- read.delim("XL1_3_S35_L004_R1_001_w_XL1_3_S35_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
# gel below replicates
    
    A_below_gel <- read.delim("XL1_3b_S36_L004_R1_001_w_XL2_3b_S38_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
    B_below_gel <- read.delim("XL2_3b_S38_L004_R1_001_w_XL2_3b_S38_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
    C_below_gel <- read.delim("XL2_3b_S38_L004_R1_001_w_XL1_3b_S36_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")
    
    D_below_gel <- read.delim("XL1_3b_S36_L004_R1_001_w_XL1_3b_S36_L004_R1_001_01.basedon.peaks.l2inputnormnew.bed.compressed.bed")

我想更改这些文件的所有列，并按开始列排列，如下所示：

colnames(A_gel) <- c("Chromosome", "Start", "End", "LogPVal", "LogFC", "Strand")
    
A_gel <- A_gel %>%
      arrange(A_gel$Start)

相反，我想对使用 R 的所有文件使用 for 循环。

【问题讨论】：

标签： r for-loop dplyr

【解决方案1】：

永远不要按照相同的模式创建多个变量。对于这个一般性问题，正确支持的解决方案是使用 lists（即，除了变量 A_gel、B_gel、...，您有一个变量 gel，它是一个包含您的个人data.frames；您也可以为这些单独的项目指定名称，尽管在您的情况下似乎没有必要）。

然后你可以使用例如lapply 运行您的文件路径并将不同文件的数据读入该列表：

gel = lapply(gel_filenames, read.delim)
below_gel = lapply(below_gel_filenames, read.delim)

...同样，您可以将您的排列代码放入一个函数中并应用它，将上面的内容更改为：

read_bed = function (filename) {
    read.delim(filename) %>%
        setNames(c("Chromosome", "Start", "End", "LogPVal", "LogFC", "Strand")) %>%
        arrange(Start)
}

# …

gel = lapply(gel_filenames, read_bed)

更好的是，使用purrr::map_dfr 将所有数据读入一个单个组合表：

gel = gel_filenames %>%
    setNames(., .) %>%
    map_dfr(read_bed, .id = 'Filename')

（setNames(., .) 步骤是必要的，因为read_dfr 将输入向量的名称分配给添加的 ID 列。）

这将为“GEL”数据创建一个主表，其中为原始文件名添加了一个 ID 列（您可能只想从中提取一些 ID，使用 tidyr::extract）。

【讨论】：