我想合并第 1 列和第 2 列，并将它们添加为数据框中的新列。然后我想打印所有旧列和新创建的列。我可以使用下面的脚本组合列，但不确定如何打印所有列，而不仅仅是组合的列：
awk ' { print $1 $2 "_" $NF } ' input_file
在
c1 c2 c3
12 1 12
4 4 57
出去
c1 c2 c3 c4
12 1 12 12_1
4 4 57 4_4
我想过滤包含长度超过35且小于10的rownames的行.我正在查看该nchar函数.
79_CGTACG.collapsed.gz 80_ACAGTG.collapsed.gz
CACCCGCACGTATAGACGGACA 0 0
GTGCTGATGTCCTTGGCAGGCTTCGGCCGTCCGGC 0 0
CGTGGAACCTG 0 0
TAATGGTCATTAG 2 1
GGCGATGCGGGATGAACCGAAC 0 0
AAGGATGT 0 0
我想重新格式化下面的行.请参阅输入示例和所需输出.我一直在使用awk而没有找到正确的解决方案
输入:
>1-672762
TGAGGTAGTAGGTTGTATGGTT
>2-240457
TGAGGTAGTAGGTTGTGTGGTT
>3-130231
TAGCAGCACGTAAATATTGGCG
>4-116485
TGAGGTAGTAGGTTGTATAGTT
输出(需要以制表符分隔):
TGAGGTAGTAGGTTGTATGGTT 672762
TGAGGTAGTAGGTTGTGTGGTT 240457
TAGCAGCACGTAAATATTGGCG 130231
TGAGGTAGTAGGTTGTATAGTT 116485
我想为我的数据框创建新的colnames,MirAligner包括_原始colnames中第一个之前的部分.这是我试过的:
unlist(strsplit(as.character(colnames(MirAligner)),'_',fixed=TRUE))
列名
head(colnames(MirAligner))
[1] "na-008_S52_L003_R1_001.mir.fa.gz" "na-014_S99_L005_R1_001.mir.fa.gz" "na015_S114_L005_R1_001.mir.fa.gz" [4] "na-015_S50_L003_R1_001.mir.fa.gz" "na-018_S147_L007_R1_001.mir.fa.gz" "na020_S162_L007_R1_001.mir.fa.gz"
预期产量:
na-008 na-014 na015
我想保留 FIRST 后的部分。请参阅示例代码。
colnames(df)
"EGAR00001341740_P32_1" "EGAR00001341741_PN32"
我的尝试，但没有给出，P32_1而只是P32哪个是错误的。
sapply(strsplit(colnames(df), split='_', fixed=TRUE), function(x) (x[2]))
所需的输出： P32_1, PN32
我想仅保留线results.txt匹配的ID的uniq.txt基础上在第3栏的比赛results.txt。通常我会使用grep -f uniq.txt results.txt，但这并没有指定第 3 列。
uniq.txt
9606
234831
131
31313
结果.txt
readID seqID taxID score 2ndBestScore hitLength queryLength numMatches
A00260:70:HJM2YDSXX:4:1111:15519:16720 NC_000011.10 9606 169 0 28 151 1
A00260:70:HJM2YDSXX:3:1536:9805:14841 NW_021160017.1 9606 81 0 24 151 1
A00260:70:HJM2YDSXX:3:1366:27181:24330 NC_014803.1 234831 121 121 26 151 3
A00260:70:HJM2YDSXX:3:1366:27181:24330 NC_014973.1 443143 121 121 26 151 3
运行下面的代码时，我无法为 中的文本提供颜色geom_text。有人看到错误在哪里吗？它适用于我的其他数据。
ggplot(TumorNormalmiR148a_3p.m3, aes(X2,value)) +
geom_dotplot(aes(fill=Sample),binaxis = "y") + coord_flip() +
theme_bw(base_size=8) +
theme(axis.text.y=element_text(hjust = 0)) +
geom_text(aes(x, y, label=FDR, colour=coloursmir148a),data=pvaluesmir148acombined,size=2, show_guide=F) +
scale_color_manual(values=coloursmir148a) +
labs(y="log2 RPM", x="IsomiRs (hsa-miR-148a-5p)")
颜色：
> coloursmir148a
[1] "black" "black" "red" "red" "red" "red" "red" "black" "red" "red" "red" "black" "red" "red"
[15] "black" "black" "black" "black" "red" "red" "red" "red" "red" "red" "black" "red" "red" "black"
[29] "red" "black" "red" "red" "red" "black"
p值：
> pvaluesmir148acombined
FDR x y
1 p = …我想过滤列中包含大写字母的行t3.字母可以是不同组合的ATCG.请看我的例子和我的尝试.
> head(dat)
IsomiR freq start end mism add t5 t3
1 hsa-miR-146b-5p_TGAGAACTGAATTCCGTAGGCTGTTT 1 9 32 16GA I-TT 0 GT
2 hsa-miR-24-3p_TGGCTCAGTTCAGCAGGAACATTTT 1 50 71 22TG I-TTT 0 0
3 hsa-miR-140-3p_TACCACAGGGTAGGACCACGG 1 62 82 14GA 0 0 0
dat[dat$t3 =="ATCG",]
我想把与我的模式完全匹配的rownames grep toMatch.
toMatch <- c("I-A", "I-AA", "I-AAA")
dat[grep(toMatch, rownames(dat)), ]
DAT
hsa-miR-10b-5p_TACCCTGTAGAACCGAATTTGTAA_0;I-AA;0;g 3.939829e-01
hsa-miR-122-5p_TGGAGTGTGACAATGGTGTTTGATA_0;I-ATA;0;0 3.942306e-01
hsa-miR-122-5p_TGGAGTGTGGCAATGGTGTTTGAAA_10GA;I-AAA;0;0 3.948047e-01
出
hsa-miR-10b-5p_TACCCTGTAGAACCGAATTTGTAA_0;I-AA;0;g 3.939829e-01
hsa-miR-122-5p_TGGAGTGTGGCAATGGTGTTTGAAA_10GA;I-AAA;0;0 3.948047e-01
我想过滤我的数据框,以便只保留至少2列中值> 5.5的行.
我知道这个dplyr功能filter(df,columnX>5.5),但它只允许一次占用一列或几列.
DF:
structure(list(tumor = c(5.69857588735462, 5.14269655336569,
15.5965461799242, 5.28949625542, 6.43237599127586, 5.21673785968077
), tumor = c(5.79729396999926, 5.10961482429376, 15.8339301491681,
5.47321124082556, 6.0624492087845, 5.21740033243091), tumor = c(5.67184459054712,
5.024088977993, 16.1659194908984, 5.20119456848026, 6.67441109230211,
5.15023836750153), tumor = c(5.9616857066853, 5.23907758025991,
15.2742729676712, 5.31827944648937, 6.47526325782951, 5.15926657492595
), tumor = c(5.75116456249489, 5.03195808382708, 16.0180448251626,
5.36575242301428, 6.85603803194346, 5.18022831262029)), class = "data.frame", row.names = c("A_33_P3390097",
"NM_178466", "GE_BrightCorner", "ENST00000396843", "NM_001166137",
"DarkCorner"))
我有多个唯一的目录，每个目录都包含一个名为filtered_feature_bc_matrix.h5. 我想将目录名称粘贴到文件名上，以使文件名在每个文件夹中唯一。这可能吗？
./sample_scRNA_unsorted_98433_Primary_bam/outs/filtered_feature_bc_matrix.h5
./sample_scRNA_unsorted_77570_Primary_bam/outs/filtered_feature_bc_matrix.h5
出去：
./sample_scRNA_unsorted_98433_Primary_bam/outs/sample_scRNA_unsorted_98433_Primary_bam_filtered_feature_bc_matrix.h5
./sample_scRNA_unsorted_77570_Primary_bam/outs/sample_scRNA_unsorted_77570_Primary_bam_filtered_feature_bc_matrix.h5
我有6个csv文件,我想根据第1列中的字符串标识进行合并.我想在第2列中保留每个文件的Count-number.以下示例:
文件1:
TAGCTTATCAGACTGATGTTGAC 88902
TAGCACCATTTGAAATCAGTGTT 62017
TAGCTTATCAGACTGATGTTGA 25339
GCATGGGTGGTTCAGTGGTAGAATTCTC 18477
TAGCACCATCTGAAATCGGTTA 12522
CACGGTCCCCCGCGAGGGGGGCCCGGG 11814
TAAAGTGCTGACAGTGCAGAT 10870
GCGCCCTTAGCTCAGTTGGATAGAGCAA 10353
TGTGCAAATCTATGCAAAACTGA 8689
文件2:
TAGCTTATCAGACTGATGTTGAC 290460
TAGCTTATCAGACTGATGTTGA 85960
GCATGGGTGGTTCAGTGGTAGAATTCTC 33273
TAGCACCATTTGAAATCAGTGTT 25284
TAGCACCATCTGAAATCGGTTA 21199
AGTTGGTTAGAGCAACCGG 18608
AGCAGCATTGTACAGGGCTATGA 18449
TGTGCAAATCCATGCAAAACTGA 17968
TAGCTTATCAGACTGATGTTGACA 15530
CACGGTCCCCCGCGAGGGGGGCCCGGG 13258
TGTGCAAATCTATGCAAAACTGA 12847
CCTAAGGCAGGACTGATGACTGGGGTG 12725
GCCGCCGGTGAAATACCACTACTC 11971
TGAGGTAGTAGGTTGTATAGTT 10398
文件3:
TAGCTTATCAGACTGATGTTGAC 181279
TAGCTTATCAGACTGATGTTGA 78661
AGTTGGTTAGAGCAACCGG 24225
CACGGTCCCCCGCGAGGGGGGCCCGGG 22252
AAAAGCTGGGTTGAGAGGGCGA 21334
TGTGCAAATCCATGCAAAACTGA 18541
CGGCGGGTGTTGACGCGATG 17818
TAGCACCATCTGAAATCGGTTA 15642
CCTAAGGCAGGACTGATGACTGGGGTG 14003
TAGCTTATCAGACTGATGTTGACA 12549
TAGCACCATTTGAAATCAGTGTT 12515
AGCAGCATTGTACAGGGCTATGA 12205
输出:
ID file1 file2 file3
TAGCTTATCAGACTGATGTTGAC …