Discussion :

[jane40]

Bonjour,

Je souhaite extraire un certain nombre d'informations d'un fichier (geneCount.csv.tsv) comportant des milliers de lignes et 2 colonnes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
ID=EHI_072740;Name=EHI_072740;description=hypothetical+protein;size=1758;web_id=EHI_072740;locus_tag=EHI_072740;size=1758;Alias=3287.t00002,3287.m00024_0	106
ID=EHI_043440;Name=EHI_043440;description=regulator+of+nonsense+transcripts%2C+putative;size=3445;web_id=EHI_043440;locus_tag=EHI_043440;size=3445;Alias=3062.t00001_1	342
ID=EhLINE1_157_1	6
ID=EhLINE1_158_1	7
ID=EhLINE2_106_1	4
...

Le résultat que je souhaite obtenir est :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
EHI_072740	106
EHI_043440	342
EhLINE1_157_1	6
EhLINE1_158_1	7
EhLINE2_106_1	4

Après quelques heures de test, voilà ce que j'obtiens (fichier construction_matrix) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
x
1	x
2	1	ID=EHI_072740
3	2	ID=EHI_043440
4	3	ID=EhLINE1_157_1
5	4	ID=EhLINE1_158_1
6	5	ID=EhLINE2_106_1

Je commence par lire mon fichier initial, dont je recopie la première colonne. Je lis ce nouveau fichier en choisissant comme séparateur ";", ce qui me permet de me débarasser ensuite de ce que je ne veux pas. Le problème est qu'à chaque fois, j'ai une indexation automatique et un "x" et je ne sais pas comment les enlever

Voici le code que j'utilise (comme j'ai 6 fichiers de ce type, j'utilise en plus paste()):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
for (s in s_lane)
{
chemin=paste("Donnees/amibe/Bowtie/geneCount/L",s,".geneCount.csv.tsv",sep="")
donnees <- read.delim(chemin, header=FALSE, sep="\t",stringsAsFactors=TRUE )
 
write.table(donnees[,1],file=paste("Donnees/amibe/Bowtie/geneCount/construction",s,".txt",sep=""),sep="\t", quote=FALSE)
}
 
 
 
for (s in s_lane)
{
chemin2=paste("Donnees/amibe/Bowtie/geneCount/construction",s,".txt",sep="")
donnees2 <- read.delim(chemin2, header=FALSE, sep=";" ) #,stringsAsFactors=TRUE
 
write.table(donnees2[,1],file=paste("Donnees/amibe/Bowtie/geneCount/construction_matrix",s,".txt",sep=""),sep="\t", quote=FALSE)
}

Je pensais que c'était dans les options de write.table, mais je n'ai rien trouvé de ce côté là ! J'espère que quelqu'un peut m'éclairer un peu

[jane40]

Alors, j'avance un peu !
C'est bien avec les options de write.table() que l'on peut enlever les x et indexation :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
row.names=FALSE, col.names=FALSE

Mon fichier final donne maintenant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
ID=EHI_072740
ID=EHI_043440
ID=EhLINE1_157_1
ID=EhLINE1_158_1
ID=EhLINE2_106_1

Prochaine étape : supprimer "ID=" dans chaque ligne. Je sais qu'avec les fonctions grep, substring, je peux chercher des parties de chaînes de caractères, mais existe-t-il une commande pour les supprimer ?

[A. D.]

Bonjour,

Une idée "basique" qui me vient (mais il y a probablement une manière plus "jolie" de procéder) :

Sauvegarder les données qui sont de la forme "ID=EHI_072740" dans un fichier "dataID" par exemple. Puis charger ce fichier dans R en prenant comme séparateur le symbole " = ". Il reste ensuite à supprimer le première colonne qui ne contiendra que des "ID".


Bonne continuation


Cordialement,

A.D.

[jane40]

Bonjour,

Merci pour l'idée, ça me permet d'obtenir ce que je veux !

Au final, j'ai utilisé la fonction strsplit() sur mon data.frame converti avec as.character, ce qui permet d'optimiser un peu ce que j'avais fait. Ensuite, je relis mon fichier avec sep="=" et j'ai enfin le résultat escompté