Использование perl для вычисления среднего или медианного значения столбца в матрице - PullRequest
Новая
       85

Использование perl для вычисления среднего или медианного значения столбца в матрице

1 голос
/ 07 февраля 2020 
Var_ID    sample1 sample2 sample3 sample4 sample5 sample6 sample7
A_1     18.66530716     0       10.45969216     52.71893547     40.04726048     32.16758825     38.27754435
A_2     25.19816467     0       12.5516306      37.95763354     28.39714834     25.7340706      37.581589
A_3     61.5006053      0       6.807664053     4.57493135      23.69514333     9.304974679     29.44245014
A_4     46.71317515     4.988346264     21.47872616     36.08568845     7.47600779      18.34871344     75.02919728
A_5     38.12488272     0       0       28.71499464     19.82997811     19.46785483     66.33787183
A_6     44.16019386     3.313750449     10.70121259     38.35466425     8.691025042     13.40792311     42.72152213
B_1     38.39720331     13.32601073     0       19.28006783     9.985810405     9.803455466     95.44530538
B_2     46.53021582     1.899838598     24.54086634     13.74342921     24.20186228     6.988206544     47.62545788
B_3     48.42890507     0       6.0308135       20.26433556     20.99119304     10.30393217     64.20344867
A_7     32.10687649     0       20.56239825     23.03079775     9.542753971     10.5395511      44.46513374
B_4     34.82673166     0       6.122746633     39.08916191     8.524472297     14.64540603     54.99744731
B_5     32.49685303     2.910517165     15.66506159     35.79294964     8.723952928     10.7058016      52.11522135
B_6     30.38974634     0       0       30.51870034     10.53778987     17.24225836     50.36058827
B_7     59.60856159     0       8.097826192     19.0468412      2.818575518     11.06841746     10.77608287
A_8     36.07790915     6.260541956     0       31.70212496     14.07396097     4.605650219     67.26011453
C_1     0       17.27445836     0       382.0309737     1.849224149     0       0
C_2     344.0389416     119.4010562     32.13217433     0       22.36821531     285.4766232     21.37974841
C_3     235.5547989     37.86357293     22.23167043     2.490045661     2.579360621     30.38709443     14.79226135
C_4     0       2.801263518     0       334.3615367     0       0       0
C_5     9.397916894     128.2900334     187.2504332     25.16745451     22.81140838     14.39668285    0

Вот матрица данных. Строка является переменной, а столбец - идентификатором образца.

A_1 - A_8 - это кластер A, B_1 - B_7 - это кластер B, C_1 - C_5 - это кластер C.

Теперь я хочу вычислить среднее значение или медиану. A_1 - A_8 в качестве значения clusterA, получая медианный результат в виде: 

Var_ID  sample1 sample2 sample3 sample4 sample5 sample6 sample7
clusterA        37.10139593     0       10.58045238     33.89390671     16.95196954     15.87831827     43.59332793

Может ли кто-нибудь помочь мне решить эту проблему с помощью сценария perl?

Ответы [ 2 ]

2 голосов
/ 07 февраля 2020

Рассчитайте среднее и медиану: 

#!/usr/bin/perl

use strict;
use warnings;


use Data::Dumper;
use List::Util qw(sum);
use POSIX qw(floor ceil);

my %data   = ();
my %avg    = ();
my %median = ();


while (<>) {
    next if $. == 1;
    my @fields = split;
    my $cluster = substr($fields[0],0,1);
    $data{$cluster} = [] unless exists($data{$cluster});
    push @{$data{$cluster}}, [ @fields[1..$#fields] ];
}

for my $cluster (keys(%data)) {
    for my $sampleNo (0..scalar(@{$data{$cluster}[0]})-1) {
        my @samples = map { $_->[$sampleNo] } @{$data{$cluster}};
        my $cnt = @samples;
        $avg{$cluster}[$sampleNo] = sum(@samples)/$cnt;
        my @sorted = sort @samples;
        $median{$cluster}[$sampleNo] = (@sorted[floor(($cnt+1)/2)-1] +
            @sorted[ceil(($cnt+1)/2)-1])/2;
    }
}

print "Mean\n";

for my $cluster (sort keys (%data)) {
    print join("\t", ($cluster,map {sprintf "%15.9f",$_ } @{$avg{$cluster}})),"\n";
}
print "Median\n";

for my $cluster (sort keys (%data)) {
    print join("\t", ($cluster,map {sprintf "%15.9f",$_ } @{$median{$cluster}})),"\n";
}

Вывод: 

perl test.pl  <sample.txt  
Mean
A      37.818389312     1.820329834    10.320165477    31.642471301    18.969159754    16.697040778    50.139427875
B      41.525459546     2.590909499     8.636759179    25.390783670    12.254808048    11.536782519    53.646221676
C     117.798331479    61.126076882    48.322855592   148.810002114     9.921641692    66.052080096     7.234401952
Median
A      37.101395935     0.000000000    11.626421595    37.021660995    34.222204410    22.600962715    43.593327935
B      38.397203310     0.000000000    24.540866340    20.264335560    24.201862280    14.645406030    52.115221350
C     235.554798900    17.274458360   187.250433200    25.167454510     2.579360621    14.396682850     0.000000000
0 голосов
/ 07 февраля 2020

Вот пример того, как вы можете рассчитать медианы кластеров: 

use feature qw(say);
use strict;
use warnings;

my $fn = 'data.txt';
open ( my $fh, '<', $fn ) or die "Could not open file '$fn': $!";
my $header = <$fh>;
my %clusters;
while (my $line = <$fh>) {
    chomp $line;
    my ($id, @cols) = split " ", $line;
    die "Bad format" if !@cols;
    if ( $id =~ /^([A-Za-z]+)_/ ) {
        $id = $1;
    }
    else {
        die "Bad ID";
    }
    if (!exists $clusters{$id} ) {
        $clusters{$id} = [];
    }
    my $samples = $clusters{$id};
    for my $i (0..$#cols) {
        push @{ $samples->[$i] }, $cols[$i];
    }
}
close $fh;

print $header;    
for my $id (sort keys %clusters) {
    my $samples = $clusters{$id};
    my @items;
    push @items, sprintf "cluster%s", $id;
    for my $sample (@$samples) {
        my $median = calculate_median( $sample );
        push @items, $median;
    }
    say join "\t", @items;
}

sub calculate_median {
    my ( $sample ) = @_;

    my @sorted = sort {$a <=> $b} @$sample;
    my $N = scalar @sorted;
    my $i = int ($N/2);
    if ( $N % 2 == 0 ) {
        my $m1 = $sorted[$i-1];
        my $m2 = $sorted[$i];
        return ($m1 + $m2)/2;
    }
    else {
        return $sorted[$i];
    }
}

Выходные данные : 

Var_ID    sample1 sample2 sample3 sample4 sample5 sample6 sample7
clusterA    37.101395935    0   10.580452375    33.893906705    16.95196954 15.878318275    43.593327935
clusterB    38.39720331 0   6.122746633 20.26433556 9.985810405 10.7058016  52.11522135
clusterC    9.397916894 37.86357293 22.23167043 25.16745451 2.579360621 14.39668285 0
...