extraction d'informations d'un fichier

Bonjour,

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

Code:

---

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:

---

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:

---

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 :aie:

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

Code:

---

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 ;)

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

Code:

---

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

---

Mon fichier final donne maintenant :

Code:

---

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 ?

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.

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 :D