如何将具有（A-1、A-2、A-3、B-2、B-4、B-5 等）关系的成对数据文件解析为 R 中的类字典结构答案

【问题标题】：How can I parse a pairwise data file with relations like (A-1, A-2, A-3, B-2, B-4, B-5, etc) to a dictionary-like structure in R如何将具有（A-1、A-2、A-3、B-2、B-4、B-5 等）关系的成对数据文件解析为 R 中的类字典结构
【发布时间】：2020-01-13 12:55:06
【问题描述】：

我是一名 ruby 开发人员，但我需要在 R 中开发我最终工作学位的一部分。我正在阅读这样的文件：

genes = read.delim(opt$pregeneset)

其内容是这样的：

              GVR    ENTREZ
1   chr15.gvr7.17    114791
2   chr15.gvr7.17    283767
3   chr15.gvr7.17 100996331
4   chr15.gvr7.17    390538
5   chr15.gvr7.17    283694
6   chr15.gvr8.16    123606
7   chr15.gvr8.16     81614
8   chr15.gvr8.16     23191
9   chr15.gvr9.15    283685
10  chr15.gvr9.15      7681

我想将这些数据转换成某种字典结构，如下所示：

gvr_data = {"chr15.gvr7.17": [114791, 283767, 100996331, 390538, 283694],
 "chr15.gvr8.16": [123606, 81614, 23191], 
 "chr15.gvr9.15": [283685, 7681]}

等等。通常我会在 GVR 上进行迭代，将“i”项保存为键，并将 ENTREZ 中的相同“i”项推送到数组中，作为生成字典/哈希映射的值之前显示，但我不知道该怎么做在 R 中。

【问题讨论】：

试试split(genes, genes$GVR)

标签： r list dictionary parsing hashmap

【解决方案1】：

你想要一个命名列表，你可以像这样得到它：

result <- lapply(split.data.frame(genes, genes$GVR), function(x) x$ENTREZ)
print(result)
#> $`chr15.gvr7.17`
#> [1]    114791    283767 100996331    390538    283694
#> 
#> $chr15.gvr8.16
#> [1] 123606  81614  23191
#> 
#> $chr15.gvr9.15
#> [1] 283685   7681

现在您可以使用$ 运算符来访问任何单个向量，如下所示：

result$chr15.gvr9.15
#> [1] 283685   7681

【讨论】：

非常感谢！这确实对我有用，因为我需要以一种以后可以循环使用的方式存储它，以便将函数应用于每个向量。

【解决方案2】：

这里有两种基于 R 的输出，也许其中一种是你想要的

解决方案 1：作为数据帧输出

gvr_data_df  <- aggregate(ENTREZ~GVR, genes, FUN = function(x) x)

> gvr_data_df
            GVR                                    ENTREZ
1 chr15.gvr7.17 114791, 283767, 100996331, 390538, 283694
2 chr15.gvr8.16                      123606, 81614, 23191
3 chr15.gvr9.15                              283685, 7681

解决方案 2：输出为列表

gvr_data_lst <- lapply(split(genes,genes$GVR),`[[`,2)

> gvr_data_lst
$chr15.gvr7.17
[1]    114791    283767 100996331    390538    283694

$chr15.gvr8.16
[1] 123606  81614  23191

$chr15.gvr9.15
[1] 283685   7681

【讨论】：

【解决方案3】：

已经有一个被接受的答案，但这是另一个，可能更像是发布的预期结果。

aggregate(ENTREZ ~ GVR, genes, function(x){
  x <- paste(x, collapse = ', ')
  paste0('[', x, ']')
})
#            GVR                                      ENTREZ
#1 chr15.gvr7.17 [114791, 283767, 100996331, 390538, 283694]
#2 chr15.gvr8.16                      [123606, 81614, 23191]
#3 chr15.gvr9.15                              [283685, 7681]

或 JSON 格式。

agg <- aggregate(ENTREZ ~ GVR, genes, paste)
jsonlite::toJSON(agg, "values", pretty = TRUE)
#[
#  ["chr15.gvr7.17", ["114791", "283767", "100996331", "390538", "283694"]],
#  ["chr15.gvr8.16", ["123606", "81614", "23191"]],
#  ["chr15.gvr9.15", ["283685", "7681"]]
#]

数据。

genes <- read.table(text = "
              GVR    ENTREZ
1   chr15.gvr7.17    114791
2   chr15.gvr7.17    283767
3   chr15.gvr7.17 100996331
4   chr15.gvr7.17    390538
5   chr15.gvr7.17    283694
6   chr15.gvr8.16    123606
7   chr15.gvr8.16     81614
8   chr15.gvr8.16     23191
9   chr15.gvr9.15    283685
10  chr15.gvr9.15      7681
", header = TRUE)

【讨论】：