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）。

总结：如果实践结果良好，考虑把所有的代码粘在后面