Question

我想将线性表转换为矩阵格式。

我的输入表如下所示，名为“linear_table.tab”：

 transcript      ortho 
Transcript_1    ORTHO_1
Transcript_2    ORTHO_2
Transcript_3    ORTHO_3
Transcript_4    ORTHO_4
Transcript_5    ORTHO_5
Transcript_6    ORTHO_6
Transcript_7    ORTHO_5
Transcript_8    ORTHO_1
Transcript_9    ORTHO_4
Transcript_10   ORTHO_5
Transcript_11   ORTHO_2
Transcript_12   ORTHO_7
Transcript_13   ORTHO_8
Transcript_14   ORTHO_5
Transcript_15   ORTHO_2
Transcript_16   ORTHO_9

我希望矩阵表看起来像：

                           Transcript_1 Transcript_2    Transcript_3    Transcript_4    Transcript_5    Transcript_6    Transcript_7    Transcript_8    Transcript_9    Transcript_10   Transcript_11   Transcript_12   Transcript_13   Transcript_14   Transcript_15   Transcript_16
                Transcript_1    0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0
                Transcript_2    0   0   0   0   0   0   0   0   0   0   1   0   0   0   1   0
                Transcript_3    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_4    0   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0
                Transcript_5    0   0   0   0   0   0   1   0   0   1   0   0   0   1   0   0
                Transcript_6    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_7    0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0
                Transcript_8    1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_9    0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_10   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0
                Transcript_11   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_12   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_13   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_14   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0
                Transcript_15   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0
                Transcript_16   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0

这是我使用R的代码：

  linear.table <- read.table("linear_table.tab", header=T, sep="\t")
  library(reshape2)
  dcast(linear.table, transcript~ortho, fill=0)

我在R中得到以下输出：

              transcript ORTHO_1 ORTHO_2 ORTHO_3 ORTHO_4 ORTHO_5 ORTHO_6 ORTHO_7 ORTHO_8 ORTHO_9
        Transcript_1 ORTHO_1       0       0       0       0       0       0       0       0
        Transcript_10       0       0       0       0 ORTHO_5       0       0       0       0
        Transcript_11       0 ORTHO_2       0       0       0       0       0       0       0
        Transcript_12       0       0       0       0       0       0 ORTHO_7       0       0
        Transcript_13       0       0       0       0       0       0       0 ORTHO_8       0
        Transcript_14       0       0       0       0 ORTHO_5       0       0       0       0
        Transcript_15       0 ORTHO_2       0       0       0       0       0       0       0
        Transcript_16       0       0       0       0       0       0       0       0 ORTHO_9
        Transcript_2       0 ORTHO_2       0       0       0       0       0       0       0
        Transcript_3       0       0 ORTHO_3       0       0       0       0       0       0
        Transcript_4       0       0       0 ORTHO_4       0       0       0       0       0
        Transcript_5       0       0       0       0 ORTHO_5       0       0       0       0
        Transcript_6       0       0       0       0       0 ORTHO_6       0       0       0
        Transcript_7       0       0       0       0 ORTHO_5       0       0       0       0
        Transcript_8 ORTHO_1       0       0       0       0       0       0       0       0
        Transcript_9       0       0       0 ORTHO_4       0       0       0       0       0

我不知道如何使用R.

进行这方面的工作

Answer 1

使用awk：

$ cat ortho.awk
NR > 1 {
  transcript = $1;
  ortho = $2;
  i = transcript;
  j = ortho;
  sub("Transcript_", "", i);
  sub("ORTHO_", "", j);
  imx[i][j] = 1;
}
END {
  for (i in imx) {
    for (j in imx) {
      omx["Transcript_"+i]["Transcript_"+j] = imx[i][j] == "" ? 0 : 1;
    }
  }

  printf("\t");
  for (i in omx) {
    printf "\tTranscript%d", i;
  }
  print "";

  for (i in omx) {
    printf "Transcript%d", i;
    for (j in omx) {
      printf "\t%d", omx[i][j];
    }
    print "";
  }

}

想法是填充1的稀疏矩阵，然后在最后用缺失的点填充0。然后打印出来。

线性表到矩阵格式

1 个答案: