找到某两列顺序相反，其余字段相同的行

结果为什么多了这么多列？ 过程变量 删掉就可以了。
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
)%>%select(-new_v23_a,-new_v23_b,-new_v56_a,-new_v56_b,-V23_flag,-V56_flag)

data002  
-------------------------------------------------------------------------------------
如果我只想对5、6列去顺序相反，2、3列不管：
library(dplyr)
data001=read.table('1.txt')
head(data001)
glimpse(data001)
data002=data001%>%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)%>%select(-new_v56_a,-new_v56_b,-V56_flag)

data002  

rainningpoet 发表于 2018-5-6 18:16
结果为什么多了这么多列？ 过程变量 删掉就可以了。
library(dplyr)
data001=read.table('1.txt')

下面这个只针对5、6列的这个代码我试过了，没有用，一条都没过滤，输出结果和原文件一模一样

不二不幸福 发表于 2018-5-7 09:49
下面这个只针对5、6列的这个代码我试过了，没有用，一条都没过滤，输出结果和原文件一模一样

library(dplyr)
library(sqldf)
data001=read.table('1.txt')
head(data001)
glimpse(data001)
data002=cbind(data001,ind=1:nrow(data001))
data003=sqldf('select a.* , b.ind as ind_b from data002 a left join data002 b on a.V5=b.V6 and a.V6=b.V5  and a.ind<>b.ind')
data004=data003%>%filter(is.na(ind_b)==FALSE)%>%select(-ind_b)
data004  

rainningpoet 发表于 2018-5-7 13:57
library(dplyr)
library(sqldf)
data001=read.table('1.txt')

额，大神，你真的很厉害了，不过这个脚本还是还是有点问题：
E00548:177:HKH53CCXY:4:1101:10003:17307 ACAGTGGCATGT    ATGCGTACCACA    chr1    243686846       699370  15
E00548:177:HKH53CCXY:4:1101:10003:17307 ACAGTGGCATGT    ATGCGTACCACA    chr1_KI270763v1_alt     699370  243686846       16
比如这对，第4列的值是不同的，也输出了，5、6列顺序相反，其余字段的内容应该一模一样

不二不幸福 发表于 2018-5-7 16:02
额，大神，你真的很厉害了，不过这个脚本还是还是有点问题：
E00548:177:HKH53CCXY:4:1101:10003:17307  ...

那就加上要第四行相同

library(dplyr)
library(sqldf)
data001=read.table('1.txt')
head(data001)
glimpse(data001)
data002=cbind(data001,ind=1:nrow(data001))
data003=sqldf('select a.* , b.ind as ind_b from data002 a left join data002 b on a.V5=b.V6 and a.V6=b.V5  and a.ind<>b.ind and a.V4=b.V4 ')
data004=data003%>%filter(is.na(ind_b)==FALSE)%>%select(-ind_b)
data004  

rainningpoet 发表于 2018-5-7 17:56
那就加上要第四行相同

library(dplyr)

完美，我算是看明白了，如果再加上第二列相同，直接就在后面加上a.V2=b.V2是吧。真的是非常感谢了，回答了我这么多！再次膜拜大神

rainningpoet 发表于 2018-5-7 17:56
那就加上要第四行相同

library(dplyr)

另外想再请教一下，如果输入数据过大（几十个G）的时候该怎么办，之前别人告诉过我用fread读取数据，但是R始终是先把全部数据读入内存再进行计算的，我是在服务器上运行这个脚本的，如果我用qsub提交，调用多个节点，对于读取数据有帮助吗？不太明白诶

不二不幸福 发表于 2018-5-7 18:46
另外想再请教一下，如果输入数据过大（几十个G）的时候该怎么办，之前别人告诉过我用fread读取数据，但是 ...

看看你服务器 RAM 大小。和你的file 大小。

library(Rtsne)
library(doParallel)
library(benchmarkme)

## Return the machine RAM
cat("RAM:         "); print (get_ram()); cat("\n")

## Return train.csv size
cat("file size:         "); print (file.size('test.csv')/1000000000); cat("GB")

2者差不多的话可以先试试

#fread
require(data.table)
data=fread("test.csv", sep = ",", header= TRUE)
head(data)

# use ff
library(ff)
data <- read.csv.ffdf(file="test.csv")

不行再参考这里
https://rstudio-pubs-static.s3.amazonaws.com/72295_692737b667614d369bd87cb0f51c9a4b.html

rainningpoet 发表于 2018-5-7 23:17
看看你服务器 RAM 大小。和你的file 大小。

library(Rtsne)

额，大神，打扰了，可不可以再请教一下，如果要把满足条件的数据对改为四行一组，该怎么改呢？
比如说，数据格式还是和这个一样：
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

之前找的是第2、3列顺序相反，第5、6列相同，这样的两行，但是现在扩展一下，想找找是否还有另外：这两行的第1列分别等于之前找到的数据对，且这两行互相也满足之前的条件（第2、3列顺序相反，第5、6列相同），所以最后得到的是4行为1对，格式类似于下面这种：
1111  aa bb  chr 123 134
1111  aa bb  chr 134 123
1222  bb aa  chr 134 123
1222  bb aa  chr 123 134
之前找的类似于第1、3行这样的，代码是这样
library(dplyr)
library(sqldf)
data001=read.table('1.txt')
head(data001)
glimpse(data001)
data002=cbind(data001,ind=1:nrow(data001))
data003=sqldf('select a.* , b.ind as ind_b from data002 a left join data002 b on a.V2=b.V3 and a.V3=b.V2  and a.ind<>b.ind and a.V5=b.V5 and a.V6=b.V6 ')
data004=data003%>%filter(is.na(ind_b)==FALSE)%>%select(-ind_b)
data004

请问要找这样的四行为一组应该怎么修改呢，sql语句不太懂。

不二不幸福 发表于 2018-5-14 16:37
额，大神，打扰了，可不可以再请教一下，如果要把满足条件的数据对改为四行一组，该怎么改呢？
比如说， ...

自己来吧。一个思路在一行中 第一行按要求left join 得到 第二 第三 第四行
然后从一行变化成四行