Как мне повторить коды с изменением имен в каждом блоке? (с R) - PullRequest
Новая
       14

Как мне повторить коды с изменением имен в каждом блоке? (с R)

1 голос
/ 09 января 2020

Я имею в виду несколько выводов, которые я получаю из QIIME, тексты, которыми я хочу манипулировать для получения коробочных графиков. Каждый ввод форматируется одинаковым образом, поэтому манипулирование всегда одинаково, но оно меняет имя источника. Для каждого ввода я хочу извлечь последние 5 строк, иметь среднее значение для каждого столбца / выборки, связать значения для выборки экспериментальных меток (группы), взятых из файла карты, и расположить их в порядке, который я использую для создания коробочной диаграммы всех 6 полученных данных.

В bash я делаю что-то вроде "for i in GG97 GG100 SILVA97 SILVA100 NCBI RDP; do cp ${i}/alpha/collated_alpha/chao1.txt alpha_tot/${i}_chao1.txt; done", чтобы выполнить команду, несколько раз меняющую имена в коде автоматически c через ${i}.

Я изо всех сил пытаюсь найти способ сделать то же самое с R. Я думал создать вектор, содержащий имена, а затем использовать цикл for, перемещая i с помощью [1], [2] et c ., но он не работает, он останавливается на строке read.delim, не находя файл в wd.

Вот код манипуляции, который я написал. После комментария он будет повторяться 6 раз с 6 базами данных, которые я использую (GG97 GG100 SILVA97 SILVA100 NCBI RDP).

ПЛЮС, я повторяю этот процесс 4 раза, потому что у меня есть 4 метрики для использования (здесь я показываю Шеннона, но у меня также есть копия кода для chao1, seen_species и PD_whole_tree). 

library(tidyverse)
library(labelled)

mapfile <- read.delim(file="mapfile_HC+BV.txt", check.names=FALSE);
mapfile <- mapfile[,c(1,4)]
colnames(mapfile) <- c("SampleID","Pathology_group")

#GG97
 collated <- read.delim(file="alpha_diversity/GG97_shannon.txt", check.names=FALSE);
  collated <- tail(collated,5); collated <- collated[,-c(1:3)]
  collated_reorder <- collated[,match(mapfile[,1], colnames(collated))]

  labels <- t(mapfile)
  colnames(collated_reorder) <- labels[2,]

  mean <- colMeans(collated_reorder, na.rm = FALSE, dims = 1)
  mean = as.matrix(mean); mean <- t(mean)

  GG97_shannon <- as.data.frame(rbind(labels[2,],mean))
  GG97_shannon <- t(GG97_shannon); 

  DB_type <- list(DB = "GG97"); DB_type <- rep(DB_type, 41)
  GG97_shannon <- as.data.frame(cbind(DB_type,GG97_shannon))
  colnames(GG97_shannon) <- c("DB","Group","value")
  rm(collated,collated_reorder,DB_type,labels,mean)

Здесь я вставляю все выходные вместе, замораживаю порядок и делаю блокпост. 

alpha_shannon <- as.data.frame(rbind(GG97_shannon,GG100_shannon,SILVA97_shannon,SILVA100_shannon,NCBI_shannon,RDP_shannon))
rownames(alpha_shannon) <- NULL
  rm(GG97_shannon,GG100_shannon,SILVA97_shannon,SILVA100_shannon,NCBI_shannon,RDP_shannon)

    alpha_shannon$Group = factor(alpha_shannon$Group, unique(alpha_shannon$Group))
    alpha_shannon$DB = factor(alpha_shannon$DB, unique(alpha_shannon$DB))

library(ggplot2)
ggplot(data = alpha_shannon) +
  aes(x = DB, y = value, colour = Group) +
  geom_boxplot()+
  labs(title = 'Shannon',
       x = 'Database',
       y = 'Diversity') +
  theme(legend.position = 'bottom')+ 
  theme_grey(base_size = 16)

Как мне сохранить этот код "DRY" и мне не нужно 146 строк кода повторять одно и то же снова и снова? Спасибо !!

1 Ответ

0 голосов
/ 09 января 2020

Вы не предоставили Минимальный воспроизводимый пример , поэтому этот ответ не может гарантировать правильность.

Важно отметить, что вы используете rm(...), поэтому это означает, что некоторые переменные имеют значение только в определенной области. Следовательно, заключите эту область в функцию. Это делает ваш код многократно используемым и избавляет вас от ручного удаления переменных: 

process <- function(file, DB){
  # -> Use the function parameter `file` instead of a hardcoded filename
  collated <- read.delim(file=file, check.names=FALSE);  
  collated <- tail(collated,5); collated <- collated[,-c(1:3)]
  collated_reorder <- collated[,match(mapfile[,1], colnames(collated))]

  labels <- t(mapfile)
  colnames(collated_reorder) <- labels[2,]

  mean <- colMeans(collated_reorder, na.rm = FALSE, dims = 1)
  mean = as.matrix(mean); mean <- t(mean)

  # -> rename this variable to a more general name, e.g. `result`
  result <- as.data.frame(rbind(labels[2,],mean))
  result <- t(result); 

  # -> Use the function parameter `DB` instead of a hardcoded string
  DB_type <- list(DB = DB); DB_type <- rep(DB_type, 41)
  result <- as.data.frame(cbind(DB_type,result))
  colnames(result) <- c("DB","Group","value")

  # -> After the end of this function, the variables defined in this function
  #    vanish automatically, you just need to specify the result
  return(result)
}

Теперь вы можете повторно использовать этот блок: 

GG97_shannon      <- process(file = "alpha_diversity/GG97_shannon.txt", DB = "GG97")
GG100_shannon     <- process(file =...., DB = ....)
SILVA97_shannon   <- ...
SILVA100_shannon  <- ...
NCBI_shannon      <- ...
RDP_shannon       <- ...

В качестве альтернативы, вы можете использовать циклические структуры:

  • общего назначения for: 

    datasets <-  c("GG97_shannon", "GG100_shannon", "SILVA97_shannon", 
               "SILVA100_shannon", "NCBI_shannon", "RDP_shannon")
files    <-  c("alpha_diversity/GG97_shannon.txt", .....)
DBs      <-  c("GG97", ....)
result   <-  list()

for(i in seq_along(datasets)){
   result[[datasets[i]]] <- process(files[i], DBs[i])
}

  • mapply, «специализированный for» для параллельного прохождения по нескольким векторам: 

    # the first argument is the function from above, the other ones are given as arguments
# to our process(.) function
results <- mapply(process, files, DBs)
...