连接特定列的数据框

Question

我有几个格式如下的数据框。我想通过species 加入/合并数据帧并从所有数据帧中提取kmers，以便输出包含species 的一列和kmers 的多列，每个文件一个形式。然后，kmers 列将给出它所源自的文件的名称。 df1

reads taxReads kmers species
232 2323 23234 Bacteria
555 12 4545 Virus

df2

reads taxReads kmers species
12 23 56 Bacteria
932 1213 12 Virus

出来

species df1 df2
Bacteria 23234 56
Virus 4545 12

我尝试使用 join_all 制作脚本，但它没有选择正确的列 (kmers)：

file_list = list.files(pattern="tsv$")    

datalist = lapply(file_list, function(x){
  dat = read.csv(file=x, header=T, sep = "\t")
  names(dat)[2] = x
  return(dat)
})
joined <- join_all(dfs = datalist,by = "species",type ="full" )  

Answer 1

我假设您已将文件读入list of frames，以文件的基本名称命名（已删除扩展名）。将帧列表命名为dfs，我们有

dfs <- list(df1 = structure(list(reads = c(232L, 555L), taxReads = c(2323L, 12L), kmers = c(23234L, 4545L), species = c("Bacteria", "Virus")), class = "data.frame", row.names = c(NA, -2L)), df2 = structure(list(reads = c(12L, 932L), taxReads = c(23L, 1213L), kmers = c(56L,12L), species = c("Bacteria", "Virus")), class = "data.frame", row.names = c(NA, -2L)))

dfs
# $df1
#   reads taxReads kmers  species
# 1   232     2323 23234 Bacteria
# 2   555       12  4545    Virus
# $df2
#   reads taxReads kmers  species
# 1    12       23    56 Bacteria
# 2   932     1213    12    Virus

从这里开始，分两步：

1. 将kmers 列重命名为文件名（无扩展名），并过滤掉不需要的列，

   dfs <- Map(function(x, nm) { names(x)[names(x) == "kmers"] <- nm; x[, c("species", nm)]; }, dfs, names(dfs))
   dfs
   # $df1
   #    species   df1
   # 1 Bacteria 23234
   # 2    Virus  4545
   # $df2
   #    species df2
   # 1 Bacteria  56
   # 2    Virus  12
   

2. 使用merge 减少。

   Reduce(function(d1, d2) merge(d1, d2, by = "species", all = TRUE), dfs)
   #    species   df1 df2
   # 1 Bacteria 23234  56
   # 2    Virus  4545  12
   

   这可以在 here 使用 Reduce(merge, dfs) 进行编码，但我使用两个参数的 anon-func 打破了它，以便您可以控制 merge 的一些选项。