殺殺
前兩天一個(gè)同學(xué)問(wèn)了一個(gè)批量讀數(shù)據(jù)（文件）的問(wèn)題
感覺(jué)現(xiàn)在分析測(cè)序數(shù)據(jù)的話，在R中一次性讀取多個(gè)文件的功能還是挺需要用到的
決定總結(jié)一下下

文件夾里的文件以及其中一個(gè)文件的樣子

總不能寫n行read.csv…balabala…去讀取，那太麻煩了
于是決定使用批量讀數(shù)據(jù)
首先我們要獲取這個(gè)文件夾里所有的文件名字以便讀取

##獲取ins_size_bacth2文件夾下面的所有文件的文件名
filelist <- list.files("ins_size_bacth2")  
##去掉文件名中 . 后面的文件格式尾綴
##這么做是因?yàn)槲募Q就是樣本名稱，之后我們需要用這個(gè)list來(lái)做合并后的矩陣列名
filelist_sampleid <- as.matrix(gsub(".ins_size","", filelist))

接下來(lái)我們需要構(gòu)建讀文件的路徑

files <- paste("./ins_size_bacth2/",filelist,sep="") ##files為所有的路徑

ps: 在做這種批量操作時(shí)還是有必要先花時(shí)間測(cè)試一個(gè)樣本是否能夠成功，然后再去做批量的循環(huán)，這樣也能方便自己找bug

因此我們先試著讀取一個(gè)文件

test <- read.delim(file=files[1],header=F,sep="",row.names = 1) ##小測(cè)試

這里因?yàn)槔又械奈募袷奖容^特殊，所以使用的讀取函數(shù)是read.delim，如果是.csv或.txt等格式，也可以替換成read.csv, read.table等函數(shù)。

好了測(cè)試通過(guò)，接下來(lái)開始批量讀文件

label <- matrix(c(0:8000),ncol = 1)  ##建立需要的行名
targetgene01 <- label

for (i in 1:(length(files)))
{
new_data<-as.matrix(read.delim(file=files[i],header=F,sep="",row.names = 1))
temp <- as.matrix(new_data[match(label,rownames(new_data)),1])
targetgene01 <- cbind(targetgene01,temp) ##合并，然后替換
}

rownames(targetgene01) <- targetgene01[,1]  #第一列需要設(shè)置成行名
targetgene01 <- targetgene01[,-1]  ##第一列可以刪掉
colnames(targetgene01)<-filelist2  ##設(shè)置準(zhǔn)備好的列名
targetgene01[which(is.na(targetgene01) == T)] <- 0  ##沒(méi)有match到的是NA，替換成0

需要注意的是，合并文件的時(shí)候，需要注意你是要取所有文件中行名的交集還是并集，或者最后你是否有一個(gè)統(tǒng)一的行名來(lái)規(guī)整所有文件。（當(dāng)然如果你確定每個(gè)文件的行名都是相同的，就可以直接cbind），我遇到過(guò)需要取交集的情況，可以寫一個(gè)循環(huán)對(duì)每個(gè)文件的行名做交集，用最終的交集文件去match出所有你要的行然后合并。

但是這個(gè)例子中，有的文件的行名是1-4000，有的是5000-8000，存在非常大的差異，而需求是最后整合成一個(gè)行名為0-8000的矩陣，因此我先建立一個(gè)0-8000的列作為行名，把每個(gè)文件和這列進(jìn)行一個(gè)match操作，然后未match到的填充為0。

其實(shí)沒(méi)有很難的部分，主要是需要讀取文件夾中的所有文件名，然后循環(huán)讀取就行了。