读取并 cbind 目录中多个文件的第二列

Question

我有 94​​ 个制表符分隔文件，没有标题，位于单个目录“/path/”中，第一列中有基因名称，第二列中有计数。有 23000 行。

我想将/path/中的所有 94 个文件读入 R 并合并所有 94 个文件以创建一个数据框“counts.table”，其中第一列包含基因名称(相同且顺序相同)所有 94 个文件的第 1 列)和第 2 到第 95 列包含来自每个单独文件的计数(即 94 个文件中的每个文件的第 2 列，它们是唯一的数字)。最终的 counts.table 数据框将有 23000 行和 95 列。
理想情况下是这样的:

 Column1 Column2 Column3 Column4... to column 95 
 gene a      0      4      3 
 gene b      4      9      9 
 gene c      3      0      8 
 ...
 to row 23000

Column2 包含来自样本 X 的计数，Column3 来自样本 Y 的计数，来自样本 Z 的第 4 列等。

我是否必须将每个文件单独读入 R，然后通过使用 cbind 添加每个文件的第二列以创建“counts.table”来合并它们？提前致谢。

Answer 1

评论太长了。

像这样的东西应该工作。

# not tested
files <- list.files(path="./path")
genes <- read.table(files[1], header=FALSE, sep="\t")[,1]     # gene names
df    <- do.call(cbind,lapply(files,function(fn)read.table(fn,header=FALSE, sep="\t")[,2]))
df    <- cbind(genes,df)

list.files(...)将指定路径中的所有文件的名称抓取到一个向量中。然后我们提取基因名称:第一个文件的第 1 列(可以是任何文件)。然后我们使用 lapply(files, function(fn)...) 构建一个 data.frames 列表。其中包含每个文件的第二列，并使用 do.call(cbind, ...) 将所有这些列绑定(bind)在一起.最后，我们将基因名称绑定(bind)到结果。

假设:

基因名称在所有文件中的顺序相同。

所有文件的行数完全相同。

路径目录仅包含您的基因文件。