比较多行并在R或Excel中创建矩阵

Question

我有一个包含多行的文件，如下所示

在file1中：

a  8|2|3|4   4
b  2|3|5|6|7 5
c  8|5|6|7|9 5

a到a有4个重叠，类似a到b有2个重叠，所以为了检查各个实体之间的重叠，我需要生成一个带有上述细节的矩阵，输出应该是一个矩阵，如

  a b c
a 4 2 1
b 2 5 3
c 1 3 5

请给我一个建议，怎么做？有没有办法使用excel或使用shell脚本或使用R？我写了下面的代码，但由于我不是一个好的编码器，我无法以正确的格式打印输出。

setwd('C:\\Users\\Desktop\\')
newmet1<-file("file.txt")
newmet2<-strsplit(readLines(newmet1),"\t")
Newmet<-sapply(newmet2, function(x) x[2:length(x)], simplify=F )

for (i in 1:length(Newmet))
{
  for (j in 1:length(Newmet)
  {
  c <- ((intersect(Newmet[[i]], Newmet[[j]]))
  print (length(c))
  } 
}

编辑：感谢您的所有答案..我使用excel和R得到了矩阵，并提供了以下答案。

Answer 1

这是R中的一个函数，它返回每列匹配的计数作为新矩阵

首先，我们将您的数据导入R data.frame对象：

A <- c(8,2,3,4,NA)
B <- c(2,3,5,6,7)
C <- c(8,5,6,7,9)
dataset <- data.frame(A,B,C)

然后我们创建一个函数：

count_matches <- function (x) {
  if (is.data.frame(x)) {
    y <- NULL
    for (i in 1:dim(x)[2]) {
      for (j in 1:dim(x)[2]) {
        count <- sum(x[[i]][!is.na(x[i])] %in% x[[j]][!is.na(x[j])])
        y <- c(y, count)
      }
    }
    y <- matrix(y, dim(x)[2], )
    colnames(y) <- names(x)
    rownames(y) <- names(x)
    return(y)
  } else {
    print('Argument must be a data.frame')
  }
}

我们在数据集上测试函数：

count_matches(dat)

返回矩阵：

  A B C
A 4 2 1
B 2 5 3
C 1 3 5

Answer 2

如果数字位于Sheet1！A1开始的单独单元格中，请尝试

=SUM(--ISNUMBER(MATCH(Sheet1!$A1:$E1,INDEX(Sheet1!$A$1:$E$3,COLUMN(),0),0)))

从Sheet2开始！A1。

必须使用 Ctrl Shift 输入

作为数组公式输入

替代公式，不必从Sheet2开始！A1

SUM(--ISNUMBER(MATCH(Sheet1!$A1:$E1,INDEX(Sheet1!$A$1:$E$3,COLUMNS($A:A),0),0)))

Answer 3

使用R：

# dummy data
df1 <- read.table(text = "a  8|2|3|4   4
b  2|3|5|6|7 5
c  8|5|6|7|9 5", as.is = TRUE)

df1
#   V1        V2 V3
# 1  a   8|2|3|4  4
# 2  b 2|3|5|6|7  5
# 3  c 8|5|6|7|9  5

# convert 2nd column to a splitted list
myList <- unlist(lapply(df1$V2, strsplit, split = "|", fixed = TRUE), recursive = FALSE)
names(myList) <- df1$V1
myList
# $a
# [1] "8" "2" "3" "4"
# $b
# [1] "2" "3" "5" "6" "7"
# $c
# [1] "8" "5" "6" "7" "9"

# get overlap counts
crossprod(table(stack(myList)))
#    ind
# ind a b c
#   a 4 2 1
#   b 2 5 3
#   c 1 3 5

如果我们删除数据处理位，则已提供此答案 类似的帖子：Intersect all possible combinations of list elements