找到某两列顺序相反，其余字段相同的行

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据格式如下：
1 E00548:177:HKH53CCXY:4:1101:10003:10029 TACAGACTGTGG    CTCTCCTATAGC    chr2    184106244       184106312
2 E00548:177:HKH53CCXY:4:1101:10003:10099 TGATACCGGACA    GTGCCTCATCTA    chr3    139790591       139790643
3 E00548:177:HKH53CCXY:4:1101:10003:10099 TGATACCGGACA    GTGCCTCATCTA    chr3    139790643       139790591
4 E00548:177:HKH53CCXY:4:1101:10003:10169 CTTCCATAGGCA    AGAGTTCACGGA    chr6    26713971        26713996
5 E00548:177:HKH53CCXY:4:1101:10003:10169 CTTCCATAGGCA    AGAGTTCACGGA    chr6    26713996        26713971
6 E00548:177:HKH53CCXY:4:1101:10003:10240 TAGACGTAGACG    TCAAGGAGAACC    chr14   37255539        37255588
7 E00548:177:HKH53CCXY:4:1101:10003:10240 TCAAGGAGAACC    TAGACGTAGACG    chr14   37255588        37255539
8 E00548:177:HKH53CCXY:4:1101:10003:15795 ACGACACTGCTA    CTCTCCTATAGC    chr14   96799778        96799778
9 E00548:177:HKH53CCXY:4:1101:10003:10029 CTCTCCTATAGC    TACAGACTGTGG    chr2    184106312       184106244



（第一列的序号是自己加的，原文件中没有）
比如第6、7行，他们的第2、3列顺序相反，第5、6列顺序也刚好相反，其余的字段内容相同
以及第1、9行，也是第2、3列顺序相反，第5、6列顺序也刚好相反，其余的字段内容相同 1.txt (1.43 KB)

2018-5-6 13:57:30 上传

现在想要把这种成对的两行输出到一个文件，例如上述数据的输出结果应该是：
E00548:177:HKH53CCXY:4:1101:10003:10029 TACAGACTGTGG    CTCTCCTATAGC    chr2    184106244       184106312
E00548:177:HKH53CCXY:4:1101:10003:10029 CTCTCCTATAGC    TACAGACTGTGG    chr2    184106312       184106244
E00548:177:HKH53CCXY:4:1101:10003:10240 TAGACGTAGACG    TCAAGGAGAACC    chr14   37255539        37255588
E00548:177:HKH53CCXY:4:1101:10003:10240 TCAAGGAGAACC    TAGACGTAGACG    chr14   37255588        37255539






数据比较大，有没有什么简单一点的方法快速找到想要的数据对？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：tata GTAG Gaga cctc 数据比较

library(dplyr)

data001=read.table('1.txt')
head(data001)
glimpse(data001)
data002=data001%>%mutate(new_v23_a=paste(V2,V3),new_v23_b=paste(V3,V2)
                         ,new_v56_a=paste(V5,V6),new_v56_b=paste(V6,V5)
                         )%>%mutate(V23_flag=ifelse(new_v23_a %in% new_v23_b,1,0)
                         ,V56_flag=ifelse(new_v56_a %in% new_v56_b,1,0)
                         )%>%filter(V23_flag==1,V56_flag==1)                                       
                                       

data002   

1. dt <- read.table('D:\\1.txt',stringsAsFactors = F)
   
2. id1 <- paste(dt$V2,dt$V3,sep='-')%in%paste(dt$V3,dt$V2,sep='-')
   
3. id2 <- paste(dt$V5,dt$V6,sep='-')%in%paste(dt$V6,dt$V5,sep='-')
   
4. st <- paste(dt$V1,dt$V4,sep='-')
   
5. tem <- as.data.frame(table(st),stringsAsFactors = F)
   
6. id3 <- st%in%tem$st[tem$Freq!=1]
   
7. dt1 <- dt[id3,]
   
8. dt_new=dt[id1&id2&id3,]
   
9. names(dt_new)=names(dt)
   
10. dt_new

复制代码

rainningpoet 发表于 2018-5-6 15:02
library(dplyr)

data001=read.table('1.txt')

额，谢谢，试了一下，找是找出来了，但是结果还是有点问题啊：
E00548:177:HKH53CCXY:4:1101:10003:10029 TACAGACTGTGG    CTCTCCTATAGC    chr2    184106244       184106312       TACAGACTGTGG CTCTCCTATAGC       CTCTCCTATAGC TACAGACTGTGG    184106244 184106312     184106312 184106244     1       1
E00548:177:HKH53CCXY:4:1101:10003:10240 TAGACGTAGACG    TCAAGGAGAACC    chr14   37255539        37255588        TAGACGTAGACG TCAAGGAGAACC       TCAAGGAGAACC TAGACGTAGACG    37255539 37255588       37255588 37255539       1       1
E00548:177:HKH53CCXY:4:1101:10003:10240 TCAAGGAGAACC    TAGACGTAGACG    chr14   37255588        37255539        TCAAGGAGAACC TAGACGTAGACG       TAGACGTAGACG TCAAGGAGAACC    37255588 37255539       37255539 37255588       1       1
E00548:177:HKH53CCXY:4:1101:10003:10029 CTCTCCTATAGC    TACAGACTGTGG    chr2    184106312       184106244       CTCTCCTATAGC TACAGACTGTGG       TACAGACTGTGG CTCTCCTATAGC    184106312 184106244     184106244 184106312     1       1
E00548:177:HKH53CCXY:4:1101:10003:17272 AGCGGATGAGTA    AGCGGATGAGTA    chr15   80282260        80282316        AGCGGATGAGTA AGCGGATGAGTA       AGCGGATGAGTA AGCGGATGAGTA    80282260 80282316       80282316 80282260       1       1
E00548:177:HKH53CCXY:4:1101:10003:17272 AGCGGATGAGTA    AGCGGATGAGTA    chr15   80282316        80282260        AGCGGATGAGTA AGCGGATGAGTA       AGCGGATGAGTA AGCGGATGAGTA    80282316 80282260       80282260 80282316       1       1

为什么后面多了这么多列？

rainningpoet 发表于 2018-5-6 15:02
library(dplyr)

data001=read.table('1.txt')

结果为什么多了这么多列？

zhou1_20 发表于 2018-5-6 16:17

object 'dtV3' not found

dt <- read.table('D:\\1.txt',stringsAsFactors = F)
id1 <- paste(dt$V2,dt$V3,sep='-')%in%paste(dt$V3,dt$V2,sep='-')
id2 <- paste(dt$V5,dt$V6,sep='-')%in%paste(dt$V6,dt$V5,sep='-')
st <- paste(dt$V1,dt$V4,sep='-')
tem <- as.data.frame(table(st),stringsAsFactors = F)
id3 <- st%in%tem$st[tem$Freq!=1]
dt1 <- dt[id3,]
dt_new=dt[id1&id2&id3,]
names(dt_new)=names(dt)
dt_new

zhou1_20 发表于 2018-5-6 16:36

library(data.table)
dt <- fread('1.txt',stringsAsFactors = F)
id1 <- paste(dtV3,sep='-')%in%paste(dtV2,sep='-')
id2 <- paste(dtV6,sep='-')%in%paste(dtV5,sep='-')
st <- paste(dtV4,sep='-')
tem <- as.data.frame(table(st),stringsAsFactors = F)
id3 <- st%in%temFreq!=1]
dt1 <- dt[id3,]
dt_new=dt[id1&id2&id3,]
names(dt_new)=names(dt)
fwrite(dt_new,"2.txt",sep='\t',row.names=FALSE,quote=FALSE,col.names=FALSE)


$ ~/miniconda2/bin/Rscript test_1.R
Error in paste(dtV3, sep = "-") : object 'dtV3' not found
Calls: %in% -> paste
Execution halted

rainningpoet 发表于 2018-5-6 15:02
library(dplyr)

data001=read.table('1.txt')

再请教一下，如果我只想对5、6列去顺序相反，2、3列不管，在你的代码上做了如下修改：
library(data.table)
library(dplyr)
data<-fread("1.txt",head=FALSE)
glimpse(data)
data2=data%>%mutate(new_v56_a=paste(V5,V6),new_v56_b=paste(V6,V5)
                         )%>%mutate(V56_flag=ifelse(new_v56_a %in% new_v56_b,1,0)
                         )%>%filter(V56_flag==1)
data3=data2[,-(7:16)]
fwrite(data3,"2.txt",sep='\t',row.names=FALSE,quote=FALSE,col.names=FALSE)

为什么一行都没过滤掉？