计算满足条件的重复数据并删除数据

Question

示例文件已上传到MediaFile。

背景资料

第1部分：在示例文件中，“Sheet1”

a.  Values in “Column A” are the original name. For example from Cell A1:
    “>hg19_refGene_NM_000392_0 range=chr10:101542463-101542634 5'pad=0 3'pad=0 strand=+ repeatMasking=none”

b.  Values in “Column B” is a value that correspond to values in Column A, for example  
    from Cell B1 which correspond to value in Cell A1: “ABCC2”  

第2部分：在示例文件中，“Sheet2”

a.  In the Sheet2, the values from Sheet1 have been separated to clarify the data because  
    in Sheet1, everything is packed in one cell. 

b.  Column A represents “GENE”, which refers to the value in Column B in Sheet1, for example,  
    “ABCC2” from Section 1 of this article.

c.  Column B represents “refGENE”, an example of refGENE is “NM000392” which come from the  
    original name from “Sheet1”

d.  Column C represents “CHROMOSOME”, this is another value that was derived from Values in  
    Column A of Sheet1, for example, “chr10”

e.  Similar Idea, “EXON START” came from the original name in Column A of Sheet1, for  
    example “101542463”

f.  And “EXON END” came from the original name in Column A of Sheet1, for example “101542634”

挑战是开发一个可以解决以下要求的程序：

要求1：计算每个基因，观察每个refGene的次数，例如：

Table Example refGENE COUNT NM000927 29 NM00078 32 NM00042 32 . . . . . .

注意：我这样做的方法是在Excel中使用SUMPRODUCT，但是，我不知道如何将所有内容放在一个简单的表中。

要求2： 这需要比较两个不同行中的值。请注意，这需要使用“Sheet1”中的原始名称。请不要使用“Sheet2”中的分隔值。 基本上，它是查询每一行，如果Gene，Chromosome，EXONSTART，EXON END相同，则删除频率最低的行。我将在下面进一步解释。

在“Shee1”中，有“原始名称”和“基因”，

步骤1：比较B列中的值是否相同。例如，在比较第1行和第2行时，有ABCC2和ABCC2。这满足条件，因此继续执行步骤2，否则继续比较不同行的GENE。

第2步：比较不同行的“chr”值，与上一步相同。第1行有chr10，第2行有chr10，因为它们是相同的继续下一步，否则继续前进。

第3步：现在比较“外显子开始” - 第1行中的数字看起来像101542463，第2行中的数字看起来像101544365，现在它们不是同样，保存文件并继续前进。想象一下，如果数字是相同的，那么继续比较“外显子结束”，即第4步。

步骤4：假设两个不同行的“外显子开始”是相同的，然后比较“外显子结束”。第1行的数字看起来像101542634，第2行的“外显子结尾”数看起来像101544538。与上述条件相同，如果它们不同，请保留文件并继续比较下一个GENE。

这是需要注意的部分，如果它们是相同的，那意味着“GENE”是相同的，“chr”是相同的，“exon start”和“exon end”是相同的。最后，一切都是一样的，这意味着有一个重复的行。现在，将删除重复的行。但是删除行的条件是什么。这将把我们与我们从要求1解决的挑战联系起来。请记住，所有refGENE都计算了出现次数？回忆NM000927 29次，Nm00078 32次。要删除的“GENE”行是包含NM000927的行。

但是，请保留所有已删除数据和所有剩余数据的记录，最好是附表。

Answer 1

我同意@Siddharth的实例数，即带有行标签的GENE的数据透视表，Σ值= refGene的计数。

可能'重复'解决方案（至少在开头）插入行顶部，选择列A，排序＆amp;过滤/高级/复制到另一个位置=（比方说）C1 / tick仅限唯一记录/确定。这应该会给你一个比你开始少35行的列表。

要识别哪些行是重复的，请将A列复制到另一列（比如D），替换>（没有任何内容），然后在E2中输入=COUNTIF(D:D,D2)并双击单元格的底部右下角。 1 =唯一，其他任何事件都是实例数。