根据某列相同元素求和

下面是一个需要计算相同基因的exon的长度的文件,即根据相同的基因,先计算基因的起点到终点的距离,再对相同的基因的的exon距离求和

文件格式:

1. R实现

aggregate这个函数的功能比较强大,它首先将数据进行分组(按行),然后对每一组数据进行函数统计,最后把结果组合成一个表格返回

data<-read.table("../../../test/test.txt",header = T,stringsAsFactors = F)
data$length<-data[,4]-data[,3]
data2<-aggregate(.~GENE,data[,c(5:6)],sum)
head(data2)

2. awk实现

awk -F '\t' '{d[$5]+=$4-$3}END{for(c in d){print c, d[c]}}'  test.txt | sort | head

其实这里awk与python中的字典类似,将第五列当做字典的key。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • pandas的一些小知识

    生信编程日常
  • 基因芯片分析流程

    读取array数据首先确定一下测序平台和数据系列,然后用相应的包读取基因表达芯片数据-CEL格式文件并处理成表达矩阵。 affy包(Affymetrix 平台...

    生信编程日常
  • R中t()转置后为什么会变成字符型数据

    数值型数据全部变成了字符型,怎么回事?其实是因为cluster那一列数据并不是数值型,而是字符型。因为这一列代表某一群细胞,如cluster0.所以才会出现这个...

    生信编程日常
  • Pytest | 参数化处理三种类型 [ 列表、元组、字典]

    Pytest参数化测试上期我们介绍到Python自动化测试 | Pytest之参数化 常用的用法如下

    测试小兵
  • Python3实现快速排序、归并排序、堆

    py3study
  • python中pandas库中DataFrame对行和列的操作使用方法示例

    最近处理数据时发现当pd.read_csv()数据时有时候会有读取到未命名的列,且该列也用不到,一般是索引列被换掉后导致的,有强迫症的看着难受,这时候dataf...

    砸漏
  • 数据科学家常犯的十大编程错误

    数据科学家是“比任何软件工程师都更擅长统计,比任何软件工程师都更擅长软件工程的的统计学家”。许多数据科学家都有统计学背景却缺乏在软件工程方面的经验。我是资深的数...

    AiTechYun
  • 数据科学家常遇到的10个错误

    数据科学家是“在统计方面比任何软件工程师都要出色,在软件工程方面比任何统计学家都出色的人”。许多数据科学家都有统计学背景,但很少有软件工程经验。我是一位高级数据...

    磐创AI
  • 数据科学家易犯的十大编码错误,你中招了吗?

    我是一名高级数据科学家,在 Stackoverflow 的 python 编码中排前 1%,而且还与众多(初级)数据科学家一起工作。下文列出了我常见到的 10 ...

    机器之心
  • 数据科学家易犯的十大编码错误,你中招了吗?

    我是一名高级数据科学家,在 Stackoverflow 的 python 编码中排前 1%,而且还与众多(初级)数据科学家一起工作。下文列出了我常见到的 10 ...

    统计学家

扫码关注云+社区

领取腾讯云代金券