统计满足条件的重复数据并删除数据答案

【问题标题】：Counting duplicate data which satisfy conditions and remove data统计满足条件的重复数据并删除数据
【发布时间】：2012-05-15 03:02:53
【问题描述】：

示例文件已上传至MediaFile。

背景信息

第 1 部分：在示例文件中，“Sheet1”

a.  Values in “Column A” are the original name. For example from Cell A1:
    “>hg19_refGene_NM_000392_0 range=chr10:101542463-101542634 5'pad=0 3'pad=0 strand=+ repeatMasking=none”

b.  Values in “Column B” is a value that correspond to values in Column A, for example  
    from Cell B1 which correspond to value in Cell A1: “ABCC2”

第 2 部分：在示例文件中，“Sheet2”

a.  In the Sheet2, the values from Sheet1 have been separated to clarify the data because  
    in Sheet1, everything is packed in one cell. 

b.  Column A represents “GENE”, which refers to the value in Column B in Sheet1, for example,  
    “ABCC2” from Section 1 of this article.

c.  Column B represents “refGENE”, an example of refGENE is “NM000392” which come from the  
    original name from “Sheet1”

d.  Column C represents “CHROMOSOME”, this is another value that was derived from Values in  
    Column A of Sheet1, for example, “chr10”

e.  Similar Idea, “EXON START” came from the original name in Column A of Sheet1, for  
    example “101542463”

f.  And “EXON END” came from the original name in Column A of Sheet1, for example “101542634”

挑战是开发一个可以解决以下要求的程序：

要求1：统计每个基因，每个refGene被观察到的次数，例如：

Table Example refGENE COUNT NM000927 29 NM00078 32 NM00042 32 . . . . . .

注意：我这样做的方法是在 Excel 中使用 SUMPRODUCT，但是，我不知道如何将所有内容放在一个简单的表格中。

要求 2： 这需要比较两个不同行中的值，请注意，这需要使用“Sheet1”中的原始名称。请不要使用“Sheet2”中的分隔值。基本上就是查询每一行，如果Gene, Chromosome, EXONSTART, EXON END 相同，则删除refgene 频率最低的行。我将在下面进一步解释。

在“Shee1”中，有“Original Name”和“GENE”，

第 1 步：比较 B 列中的值是否相同。例如，比较第 1 行和第 2 行时，有ABCC2 和ABCC2。这满足条件，所以继续第2步，否则继续比较不同行的GENE。

第 2 步：比较不同行的“chr”值，与上一步的示例相同。第 1 行有chr10，第 2 行有chr10，因为它们相同，继续下一步，否则继续。

第 3 步： 现在比较“exon start” - 第 1 行中的数字看起来像 101542463，而第 2 行中的数字看起来像 101544365，现在它们不一样了，保存文件并继续。想象一下，如果数字相同，那么继续比较“外显子端”，也就是第4步。

第四步：假设两个不同行的“exon start”相同，然后比较“exon end”。第 1 行的数字看起来像 101542634，第 2 行的“外显子末端”数看起来像 101544538。与上述条件相同，如果不同，则不处理该文件，继续比较下一个 GENE。

这里是需要注意的部分，如果相同，则表示“GENE”相同，“chr”相同，“exon start”和“exon end”相同。最后，一切都是一样的，这意味着有一个重复的行。现在，重复的行将被删除。但是删除该行的条件是什么。这将使我们回到我们从需求 1 中解决的挑战。还记得所有 refGENE 的出现次数都已计算吗？ NM000927 调用 29 次，Nm00078 调用 32 次。要删除的“GENE”行是包含NM000927 的行。

但是，请保留所有已删除数据以及所有剩余数据的记录，最好用表格。

【问题讨论】：

我不明白 -ve 投票？用户已尽力尽力解释问题。反转投票。 @Maggie Mi：1) Sheet2 没有您帖子中提到的任何数据？ 2) 要获得如上图所示的表格，您始终可以使用数据透视表而不是 Sumproduct()。 :)
不，我不能一直用那个，因为这只是基因的一部分，整个部分将超过20,000个数据，我不确定这样做是否仍然合适？跨度>
也非常感谢您的回答
@MaggieMi：这与您提出的其他问题有关吗？你也错过了我的第一个问题......1) Sheet2 doesn't have any data as your post mentioned?
@SiddharthRout：签名....我的老板看到我做不到，然后请别人做我的工作...但仍然感谢您到目前为止的帮助。

标签： excel excel-formula pivot-table countif vba

【解决方案1】：

我同意@Siddharth 的实例计数，即带有行标签的数据透视表 = GENE，Σ 值 = refGene 的计数。

“重复”解决方案可能是（至少开始）在顶部插入行，选择 A 列，排序和过滤/高级/复制到另一个位置 =（比如说）C1/勾选唯一记录/确定.这应该会给你一个比你开始时少 35 行的列表。

要识别哪些行是重复的，请将 A 列复制到另一列（例如 D），替换 >（不带任何内容），然后在 E2 中输入 =COUNTIF(D:D,D2) 并双击单元格的右下角。 1 = 唯一，其他都是实例数。

【讨论】：