根据具有多个条件的文件名将字符串分配给对象

Question

我根据提供的数据在我的 R 脚本中使用了一些开关，我想自动识别所述数据。我正在使用的文件在其名称中包含所需的信息，我正在寻找一种匹配和分配这些部分的好方法。

文件名：

# Folder1:
T090_V4_plate1_S90_L001_R1_001.fastq.gz
T090_V4_plate1_S90_L001_R2_001.fastq.gz
# Folder2:
T091_V4_plate2_S1_L001_R1_001.fastq.gz 
T091_V4_plate2_S1_L001_R2_001.fastq.gz 
# Folder3:
TNT_2017_13_V34_plate4_S13_L001_R1_001.fastq.gz
TNT_2017_13_V34_plate4_S13_L001_R2_001.fastq.gz
TNT_2017_14_V34_plate4_S14_L001_R1_001.fastq.gz
TNT_2017_14_V34_plate4_S14_L001_R2_001.fastq.gz

我想分配给对象的两个值是 V3 或 V34 到对象 primerset 和 plate[1-4] 到 plate。我这样试过：

if (length(list.files(pattern = "plate1")) > 1) {
plate <<- "plate1"
} else if (length(list.files(pattern = "plate2")) > 1) {
plate <<- "plate2"
} else if (length(list.files(pattern = "plate3")) > 1) {
plate <<- "plate3"
} else if (length(list.files(pattern = "plate4")) > 1) {
plate <<- "plate4"}

if (length(list.files(pattern = "V4")) > 1) {
primerset <<- "V4"
} else if (length(list.files(pattern = "V34")) > 1) {
primerset <<- "V34"
}

# print message based on detected values from file names
if (primerset == "V34"){
  cat("sequence length is 301 bp")
} else if (primerset == "V4"){
  cat("sequence length is 250 bp")
}

效果很好，但看起来很复杂，容易出错。有更优雅的解决方案吗？我不想只为这个任务加载一个包。

此外，如果满足多个条件，我不知道如何添加中断，例如plate1 和 plate2 在同一文件夹中（我将数据集分开，但为了安全起见）。

解法：

根据下面的答案，这两个版本还测试是否只存在 primerset 或 plate 的一个实例：

filenames <- list.files()
if (length(unique(sub(".*_(plate\d)_.*", "\1", filenames))) == 1) {
  plate <- unique(sub(".*_(plate\d)_.*", "\1", filenames))
}

matches = stringr::str_match(filenames, '_(V\d+)_(plate\d)')
if (length(unique(matches[, 2])) == 1) {
  primerset = unique(matches[, 2])
}

Answer 1

这需要 regular expression。使用 {stringr} 包，你会写：

matches = stringr::str_match(x, '_(V\d+)_(plate\d)')
primerset = matches[, 2]
plate = matches[, 3]

即：匹配一个下划线，然后是'V'和一个数字，然后是下划线，然后是'plate'和一个数字。您可以扩展表达式以匹配泳道、交配和复制。

最重要的是，上面的内容是矢量化的，因此它可以正确处理文件名矢量。

请注意，无论哪种方式，您都应该而不是在此处使用<<-（这执行全局而不是局部赋值并且很少适用）。

Answer 2

在 base R 中，我们可以使用 sub 来提取字符串的特定部分。

primerset <- sub(".*_(V4|V34)_.*", "\1", x)
#Or more generally
#primerset <- sub(".*_(V\d+)_.*", "\1", x)
plate <- sub(".*_(plate\d)_.*", "\1", x)

其中 x 是所有文件名的向量

x <- c("T090_V4_plate1_S90_L001_R1_001.fastq.gz",
       "T090_V4_plate1_S90_L001_R2_001.fastq.gz",
       "T091_V4_plate2_S1_L001_R1_001.fastq.gz",
       "T091_V4_plate2_S1_L001_R2_001.fastq.gz",
       "TNT_2017_13_V34_plate4_S13_L001_R1_001.fastq.gz",
       "TNT_2017_13_V34_plate4_S13_L001_R2_001.fastq.gz",
       "TNT_2017_14_V34_plate4_S14_L001_R1_001.fastq.gz",
       "TNT_2017_14_V34_plate4_S14_L001_R2_001.fastq.gz")

根据具有多个条件的文件名将字符串分配给对象

Assign string to object based on filename with multiple conditions

r

assign