经验总结 | R语言批量读取目录下的文件然后按照行名对其进行整合成为data.frame
参考链接：https://www.jianshu.com/p/3f1f27fdd35b
发现这哥们写得和我目前的需求是一致的，于是按照它的思路看一下。
我的目录文件：
path <- "F://张秀秀//过程性文件//10//26//count"
fileNames <- dir(path)
filePath <- sapply(fileNames, function(x){paste(path,x,sep='/')})
data <- lapply(filePath, function(x){read.table(x, header=T)})
#这样批量读取得到一个list类型的数据 #后续操作不好操作
#另外只有34行，但是得到的数据的矩阵却出奇的大
#stop
barcode<-read.csv("F://张秀秀//过程性文件//10//26//merge_sub.csv")
barcode_need<-barcode[,c(1,2,25,23)]
data<-merge(filelist_v3,barcode_need) #到时候直接用这个去命名列名即可。Step1 :获取目录下所有的文件名
##获取目录下面的所有文件的文件名
filelist <- list.files("F://张秀秀//过程性文件//10//26//count")
filelist得到的结果是我们指定的目录下的文件名，是一个vector类型的数据。
#设置文件的列名
##去掉文件名中的尾缀，提取barcode
##这么做是因为文件名称就是样本名称，之后我们需要用这个matrix来做合并后的矩阵列名
filelist_v1 <- as.matrix(gsub("cell_","", filelist))
filelist_v2 <- as.matrix(gsub("_count.txt","", filelist_v1))
#这里其实有一些自己的小想法
#想利用师兄提供的那个atac和rna的barcode的对应关系，实现这种转换。
- filelist_v1的结果
- filelist_v2的结果（这个matrix就是我们理想中的列名了）
Step2：构建文件路径
files <- paste("F://张秀秀//过程性文件//10//26//count//",filelist,sep="") ##files为所有的路径
得到的即是我们要读取的文件的绝对路径（当然也可以是相对路径）
Step3：准备行名
这个时候遇到一个小问题：对data.frame进行行的筛选的时候，出现了行名的丢失。也即通过这种方式进行数据的提取。
test <- read.delim(file=files[1],header=F,sep="",row.names = 1) ##小测试
tail(test)
test[grep("__",row.names(test)),] #就是这样提取数据的时候把行列名的信息丢失了现在在想办法解决这个问题。
后来想想，不用那么麻烦，因为我只需要行名。直接把行名保存为向量，提取前面几个字符作为行名即可。
rownames<-row.names(test)
length(rownames)
label<-rownames[1:5607738]
Step4：利用循环，批量读取文件中的数据
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，然后替换
}
#我总觉得这块有点琐碎，用match这种高级用法对我这种小菜鸟太有难度了
Step5：对数据框进行整理，写入文件
rownames(targetgene01) <- targetgene01[,1] #第一列需要设置成行名
targetgene01 <- targetgene01[,-1] ##第一列可以删掉
colnames(targetgene01)<-filelist_v2 ##设置准备好的列名
#targetgene01[which(is.na(targetgene01) == T)] <- 0 ##没有match到的是NA，替换成0
write.csv(targetgene01,"data.csv",quote = F,col.names =T,row.names = T)得到的数据文件基本上和我们预期的一致，但是还有以下需要优化的地方。
（1）列名转换为RNA-barcode，可以更方便的与给予RNA标签的细胞类型进行一一对应。
（2）是否有必要转换为0-1矩阵（因为转换为0-1矩阵之后，就是一个二项分布的数据，不知道后期在处理方法的选择上是否会有一些不同）。