使用 R/Python/Unix 过滤/清理数据集 [关闭]答案

【问题标题】：Filtering/Cleaning a Dataset using R/Python/Unix [closed]使用 R/Python/Unix 过滤/清理数据集 [关闭]
【发布时间】：2021-09-03 05:40:10
【问题描述】：

我想知道是否有人知道我可以使用任何方法（R/Python/Unix bash）的过滤过程/功能。

所以我的数据集看起来像：

Gene  Chromosome Counts ...
x
x
x
x

现在，我有一个不同的文本文件，其中包含从上述数据集中选择的基因。所以我正在寻找一个函数，它允许输入文件过滤掉 Gene 列并保持 Chromosome - Counts 列完整。

我不能在 excel 中执行此操作的原因是我的数据集非常庞大，并且每次都会使我的计算机崩溃，并且手动执行此操作非常累。

另外，我不是程序员，这就是为什么我不能为此编写脚本的原因，我过去厌倦了这是一个巨大的失败。

谢谢，

【问题讨论】：

【解决方案1】：

您只想像在 Excel 中那样过滤“基因”列，对吧？试试 R 中的子集函数。

使用 1 个基因：

Gene1 <- subset(df, Gene %in% c("Gene1"))

df 是您在 R 中读取数据框时给它的名称。

使用 n 基因：

genes_of_interest <- c("gene1", "gene2", "gene3", "gene4")

Genes <- subset(df, Gene %in% c(genes_of_interest))

【讨论】：

【解决方案2】：

注意：您的问题可能受益于示例数据集，因为这个简单的回答可能不适用于所有数据。

鉴于CSV文件genes.txt：

Gene,Chromosome,Etc
a,1,x
b,2,x
c,2,y

命令
awk -F, 'BEGIN {OFS=","} {print $2,$3}' genes.txt | tee genes-edit.txt

将打印

Chromosome,Etc
1,x
2,x
2,y

并将其输出到文件genes-edit.txt

【讨论】：