在没有merge（）的情况下合并r中的文件答案

【问题标题】：merging files in r without merge()在没有merge（）的情况下合并r中的文件
【发布时间】：2014-09-15 12:18:10
【问题描述】：

我有两个要合并的文件。我想合并它们，以便第二列和第三列包含 22 条染色体中每一条的文件开始和停止位置，并为该文件找到相应的 Cn（第八列）结果。

文件 1

Chromosome  Start   End lengthMB    probes  snps    imba    log2    Cn  mCn
chr1    0   121184898   121.185 11403   3272    0.263868683 -0.03922829 2   1
chr1    144028314   147376741   3.348   392 55  0.666732903 0.149629608 4   0
chr1    147376741   149815307   2.439   45  1   NA  0.081578404 3   0
chr1    149815307   152973261   3.158   355 98  NA  0.175954714 4   0
chr1    152973261   153223301   0.25    32  1   NA  0.250464238 5   0
chr1    153223301   164587468   11.364  910 270 NA  0.169542015 4   0
chr1    164587468   164680884   0.093   11  7   NA  0.110598177 3   0
chr1    164680884   167797512   3.117   265 82  0.619468523 0.178797081 4   0
chr1    167797512   168022812   0.225   10  1   NA  0.262534983 5   0

文件 2

Chromosome  Start   End lengthMB    probes  snps    imba    log2    Cn  mCn
chr1    0   121184898   121.185 11405   3273    0.267231258 -0.040215328    2   1
chr1    144028314   147376741   3.348   393 55  0.649314008 0.156409264 4   0
chr1    147376741   149573557   2.197   44  1   NA  0.118886434 4   0
chr1    149573557   158729529   9.156   837 221 NA  0.193681628 4   0
chr1    158729529   158809353   0.08    13  1   NA  0.031239059 4   0
chr1    158809353   164628199   5.819   451 141 0.610374455 0.182849884 4   0
chr1    164628199   164836103   0.208   25  12  NA  0.253876895 4   0
chr1    164836103   165418619   0.583   61  16  NA  0.186622113 4   0

输出

Chromosome  Start   End Cn_File_1   mCn_File_1  Cn_File_2   mCn_File_2
chr1    0   121184898   2   1   2   0
chr1    144028314   147376741   4   0   4   0
chr1    147376741   149573557   3   0   4   0
chr1    149573557   149815307   3   0   4   0
chr1    149815307   152973261   4   0   4   0
chr1    152973261   153223301   5   0   4   0
chr1    153223301   158729529   4   0   4   0
chr1    158729529   158809353   4   0   4   0
chr1    158809353   164587468   4   0   4   0
chr1    164587468   164628199   3   0   4   0
chr1    164628199   164680884   3   0   4   0
chr1    164680884   164836103   4   0   4   0
chr1    164836103   165418619   4   0   4   0

到目前为止，我正在遍历所有染色体以在两个文件中找到相应染色体的正确起始值和终止值。然后我将两者的开始和停止放在一起，但我不确定如何找到正确的 Cn 值（在每个文件的第八列）。

for (i in 1:22) {
    start1 <- file1$Chromosome == paste(chromosome,i, sep="")
    start2 <- file2$Chromosome == paste(chromosome,i, sep="")
    both_starts <- unique(sort(c(file1$Start[start1], file2$Start[start2])))
    both_starts <- unique(both_starts)
    both_stops <- unique(sort(c(file1$End[start1], file2$End[start2])))
    both_stops <- unique(both_stops)
    start <- append(start, both_starts)
    stop <- append(stop, both_stops)
    chr <- append(chr, rep(paste(chromosome, i, sep=""), length(both_starts)))
        for (i in length(both_starts)) {
            print(file1$Start[start1][i])
        }
    }

有什么想法吗？

【问题讨论】：

为什么没有merge？
您可以改用match。

标签： r merge

【解决方案1】：

这里有可能使用包survival 中的survSplit 函数，然后仍然使用merge。

lst1 <- split(d1, d1$Chromosome)
lst2 <- split(d2, d2$Chromosome)
require(survival)
# merge
do.call(rbind, mapply(FUN = function(x, y) 
{
  x$event <- y$event <- 0
  d1.spl <- survSplit(x, cut=y$End, start='Start', end='End', event='event')
  d2.spl <- survSplit(y, cut=x$End, start='Start', end='End', event='event')
  mrg <- merge(d1.spl, d2.spl, 
               by=c('Chromosome', 'Start', 'End'), 
               #all=TRUE, 
               suffixes = c("_File_1","_File_2"))
  mrg[c('Chromosome', 'Start', 'End', 'Cn_File_1', 'mCn_File_1', 'Cn_File_2', 'mCn_File_2')]
},
lst1, lst2, SIMPLIFY=FALSE))


##          Chromosome     Start       End Cn_File_1 mCn_File_1 Cn_File_2 mCn_File_2
##  chr1.1        chr1         0 121184898         2          1         2          1
##  chr1.2        chr1 144028314 147376741         4          0         4          0
##  chr1.3        chr1 147376741 149573557         3          0         4          0
##  chr1.4        chr1 149573557 149815307         3          0         4          0
##  chr1.5        chr1 149815307 152973261         4          0         4          0
##  chr1.6        chr1 152973261 153223301         5          0         4          0
##  chr1.7        chr1 153223301 158729529         4          0         4          0
##  chr1.8        chr1 158729529 158809353         4          0         4          0
##  chr1.9        chr1 158809353 164587468         4          0         4          0
##  chr1.10       chr1 164587468 164628199         3          0         4          0
##  chr1.11       chr1 164628199 164680884         3          0         4          0
##  chr1.12       chr1 164680884 164836103         4          0         4          0
##  chr1.13       chr1 164836103 165418619         4          0         4          0

【讨论】：

【解决方案2】：

这应该可以，只需要重命名列。这样您就可以提取您可能希望的任何其他列：

file_merged <- merge(file1, file2, by.x = c("Chromosome", "Start", "End"), by.y = c("Chromosome", "Start", "End")) 
file_merged[,colnames(file_merged) %in% c("Chromosome", "Start", "End", "Cn.x", "mCn.x", "Cn.y", "mCn.y")]

  Chromosome     Start       End Cn.x mCn.x Cn.y mCn.y
1       chr1         0 121184898    2     1    2     1
2       chr1 144028314 147376741    4     0    4     0
3       chr1 147376741 149815307    3     0    4     0

【讨论】：

你似乎没有在加载 reshape2 包后使用它。
@ping，我的错误，那是因为我的页面上的其他内容我不想复制。感谢您指出这一点。
所以为了让它工作，我首先根据染色体拆分文件？否则所有的起点和终点都来自同一个染色体？
@user3324491 你不能在过滤器中添加“染色体”吗？