R语言对多个数据框的相同列进行操作

最近需要处理一批数据，每个数据框都具有相同的列名和列数，但是行数不同，所以就想着将数据框写入列表中，之后对列表进行循环操作，实现处理列表中数据框的列。由于能力不足，也折腾了一上午，所以在此记录下来。

数据如下：
文件夹中的文件

将文件夹中后缀名为novel.exp的文件导入R中，并创建列表

library(tidyverse)
a <- dir(pattern = "novel.exp") %>% lapply(function(x){read.table(x,header = F,sep = " ")})

其中每一个数据框都包括三列，如下：

接下来，我想通过cut()函数对V2列进行区间分割(如果大家有什么好的方法，欢迎讨论区留言）

# 定义函数
map_list <- function(a){
  library(tidyverse)
  for(i in seq_len(length(a))){
    a[[i]] <- a[[i]] %>% mutate(bin = cut(V2,breaks = c(-0.001,0.1,1,10,100,Inf))) %>% # cut函数分割，将结果添加到数据框中
      count(bin,name = "number of transcript") %>% # 统计各个区间的频数
      mutate(group = rep(i,nrow(.))) # 定义分组，每个数据框是一组
  }
  do.call(rbind,a) # rbind函数合并列表中的数据框
}
#运行函数
s <- map_list(a)

最近通过不断地学习，掌握了一种更简单而且高效的方法，特地补充进来!

# 首先构建一个包含数据框的列表
od <- list(
  a = data.frame(x = c(1,2,3),y = c(2,3,4)),
  b = data.frame(x = 7:9,y = 8:10)
)
# 直接使用purrr包的modify函数
library(purrr)
modify(od,~ modify(.x,~.x -1))
##$a
##  x y
##1 0 1
##2 1 2
##3 2 3

##$b
##  x y
##1 6 7
##2 7 8
##3 8 9

当然，这里只是一个简单的小例子，但是效率肯定能够提高不少，感兴趣可以使用system.time命令测试。

结果如下：
cut()函数将V2列分割成五个区间，统计频数之后列表中的每个数据框都是5 x 3，所以使用rbind()函数合并之后就产生了一个25 x 3 的数据框。这里的group是为了方便绘图加进去的。

library(knitr)
knitr::kable(s,align = "c")

bin	number of transcript	group
(-0.001,0.1]	9710	1
(0.1,1]	5505	1
(1,10]	4540	1
(10,100]	2200	1
(100,Inf]	315	1
(-0.001,0.1]	9882	2
(0.1,1]	5575	2
(1,10]	5485	2
(10,100]	2624	2
(100,Inf]	343	2
(-0.001,0.1]	3271	3
(0.1,1]	2157	3
(1,10]	2359	3
(10,100]	1816	3
(100,Inf]	245	3
(-0.001,0.1]	3807	4
(0.1,1]	2163	4
(1,10]	2110	4
(10,100]	1703	4
(100,Inf]	320	4
(-0.001,0.1]	6797	5
(0.1,1]	4762	5
(1,10]	4084	5
(10,100]	1964	5
(100,Inf]	285	5

接下来就可以直接拿来画图了，因为数据tidy，所以做起图来容易很多。

library(ggplot2)
library(ggsci)
s %>% ggplot(aes(factor(group),`number of transcript`,fill = factor(bin,levels = rev(unique(bin))))) +
  geom_bar(stat = "identity",width = .7) +
  scale_y_continuous(expand = c(0,0),limits = c(0,25000)) +
  theme_classic(base_line_size = .7) +
  scale_fill_jco() +
  theme(legend.title = element_blank(),
        axis.title.x = element_blank())

s %>% ggplot(aes(factor(group),`number of transcript`,fill = factor(bin,levels = rev(unique(bin))))) +
  geom_bar(stat = "identity",position = position_dodge(width = .9),width = .7,color = "black") +
  scale_y_continuous(expand = c(0,0),limits = c(0,11000)) +
  theme_classic(base_line_size = .7) +
  scale_fill_jco() +
  theme(legend.title = element_blank(),
        axis.title.x = element_blank())

---

如果大家有更好的前期处理数据的方法，一定要留言讨论啊！