有条件地调用R中的特定列

Question

我有一个.gz文件，其中包含一个大文本文件。结构如下所示：

propVarQ,0.1
multiplier,2.0
p,1,chr1,3
p,1,locus1,80828536,35.735,0.43562663
p,1,snp,1,80828735,G/A,GGGGGGAG,G,0.9166667
p,1,p,7699,0.09534625
p,1,p,317,0.09534625
p,1,p,6181,0.09534625
p,1,p,6570,0.09534625
p,1,p,2370,0.09534625

重复大约1000次。我需要在R中解析它（虽然python也是一个选项，但我对R更熟悉），这样它就只为第三个值为“snp”的行返回第二个值（在本例中是1），第八个值（在本例中是G）（在本例中是第5行）。在这个例子中，我期望的结果是：

1 G

到目前为止，我得出的结论如下：

maf <- file("file.gz")
maflist <- strsplit(readLines(maf), ",")
close(maf)

maflist[maflist[,3]=="snp",]

但是我得到了不正确的维数。我在读取文件时遇到了问题，因为每行中的列数不相等，这就是我最终使用strsplit的原因。如果有更好的办法，我愿意。你知道吗

Answer 1

strsplit返回一个列表，其中每个列表项包含一个拆分值向量。所以列表的长度与输入的长度相同。你不能像矩阵那样索引到它。你可以这样做

maflist[sapply(maflist, '[', 3)=="snp",]

对列表进行子集化，以仅获取向量中第三项为“snp”的行。你知道吗

你知道，如果你在unix机器上，awk会让这变得非常简单。像这样的

read.table(pipe("gunzip -c file.gz | awk -F',' '$3==\"snp\"{ print $2, $8}'"))

Answer 2

这里有一种使用data.table的fread的方法：

fread("gunzip -c file.txt.gz | grep ',snp'", select=c(2,8))

我们解压文件并为那些包含,snp的行grep，然后使用select参数选择列2和8。你知道吗

这将提供：

#    V2 V8
# 1:  1  G

HTH公司

Answer 3

也许读入这些行并过滤它们，使其仅包含您感兴趣的内容

lines = readLines(maf)
lines = lines[grep(",snp,", lines), fixed=TRUE]

然后将所选行作为数据框从文本连接

snps = read.delim(textConnection(lines), sep=",", header=FALSE)