在剛接觸用代碼行處理數(shù)據(jù)的時候如输，受到課題組的影響鼓黔，是從shell入門的，具體說逃不過sed grep awk,在這之前我只會用excel下的函數(shù)不见，excel下有個很好的垂直查找vertical lookup,也就是vlookup澳化，用來快速匹配數(shù)據(jù)，碩士的時候也就是憑借這一個函數(shù)解決了2DGel上蛋白質點編號的統(tǒng)一稳吮。所以對vlookup有著比較深的感情缎谷，可以說這一個函數(shù)是我數(shù)據(jù)分析工作的敲門磚。
回到shell灶似，我當時發(fā)現(xiàn)shell命令的強大之后（用awk寫了第一個條件篩選的命令）想怎么可以用shell命令實現(xiàn)vlookup列林， 最終有了這篇awk實現(xiàn)excel vlookup,但是隨著時間的推移，敲了越來越多的R和python代碼酪惭，發(fā)現(xiàn)vlookup確實有一定的局限希痴，而且當時寫的shell腳本也存在一定的問題，操作也比較麻煩春感，數(shù)據(jù)處理砌创，還是dplyr和pandas比較強大，這里放一個新鮮的dplyr腳本鲫懒，當然不只有類似vlookup的left_join纺铭，還有right_join, inner_join, full_join, 這次沒有偷懶，打了getopt刀疙，到時候直接Rscript Rjoin -...

dplyr 各種join

• vlookup 其實就是給定一個index，或者說key扫倡，然后把另一個表里關于這個key的內容找到具體操作：EXCEL入門必學的VLOOKUP函數(shù)相信我你終于可以學會了
• dplyr的各種join可以這么理解（下表）: emmmm谦秧，剛發(fā)現(xiàn)劉博之前發(fā)過一個帖子竟纳，這個更形象：R語言中dplyr包join函數(shù)之目前我看到過的最形象的教程
  1. 如果把表1看成left，表2看成right, 那么所謂left_join就是保證表1的key的順序和數(shù)量不變,把表2中和表1-key對應的value3, value4給合并過來疚鲤，如果表2中沒有key中某一個值锥累，這個值對應的表2中的value會寫NA
  2. right_join參考left_join就對了，就是按照表2的key順序和數(shù)量合并表1的
  3. inner_join 就比較神奇了集歇，和你想的差不多桶略，inner_join會取表1和表2 的key值的交集，然后在按順序把表1诲宇，表2與這個key交集對應的value值貼過來际歼。
  4. full_join 顧名思義，就是求并集姑蓝，然后把兩個表對應的value值合并過來鹅心。

表1

表2

腳本代碼

首先確保你的R裝了dplyr包，如果沒有纺荧，打開R或者Rstudio install.packages('dplyr')

########################################
#       Prj: MyScript
#       Assignment: dplyr-join
#       Author: Shawn
#######################################
##=======step1 import library==========
suppressMessages(library(getopt))
##=======step2 args setting============
command=matrix(c(
  'help', 'h', 0, 'logic', 'help information',
  'method', 'm', 1, 'character', 'JoinMethod: left, right, inner, full; default: left(equals excel vlookup)',
  'left', 'x', 1, 'character', 'left_file: the 1st file',
  'right', 'y', 1, 'character', 'right_file: the 2nd file',
  'key', 'k', 1, 'character', 'key(by): the colnames of key columns, makesure leftfile and rightfile have the same colnames of key column'
),byrow = T, ncol = 5)
args = getopt(command)

## help information
if (!is.null(args$help)) {
  cat(paste(getopt(command, usage = T), "\n"))
  q(status=1)
}

## default value
if (is.null(args$method)){
  args$method = "left"
}

## functions
suppressMessages(library(dplyr))
options(stringsAsFactors = F)
method <- args$method
left <- args$left
right <- args$right
key <- args$key

Rjoin = function(method,left,right,key){
  ## input data
  x = read.delim(file = left, header = T,
                 sep = "\t", quote = NULL)
  y = read.delim(file = right, header = T,
                 sep = "\t", quote = NULL)
  ## join
  if (method == "left") {
    z = left_join(x,y, by = key)
  } else if (method == "right") {
    z = right_join(x,y, by = key)
  } else if (method == "inner") {
    z = inner_join(x,y, by = key)
  } else if (method == "full") {
    z = full_join(x,y, by = key)
  } 
  ## output
  write.table(z,file = paste(left,right,method,key,".xls",sep = "_"),
              sep = "\t",
              quote = F,
              row.names = F)
}

Rjoin(method = method,
      left = left,
      right = right,
      key = key)

用法

windows：
復制上面的代碼到代碼編輯器或者Rstudio旭愧，或者記事本里保存成Rjoin.R，怎么運行腳本參考：

• 將R加入環(huán)境變量宙暇，并啟動R腳本
• windows10建議開啟內建的bash教程 然后裝miniconda输枯， 然后在conda下裝R。

linux or macos：
復制上面的代碼到代碼編輯器或者Rstudio占贫，或者記事本里保存成Rjoin.R桃熄， 打開終端chmod +x Rjoin.R給腳本添加可執(zhí)行權限。

注意事項：

• 兩個要進行join的文件必須是制表符分隔符分隔的文件靶剑，由于總有你意想不到的奇葩文件出現(xiàn)蜻拨，本來做了sep這個可選參數(shù)，但是read.table只認識逗號桩引，制表符缎讼，空格等常規(guī)的，為了避免麻煩坑匠，不如統(tǒng)一了輸入文件的格式血崭，最簡單的辦法就是exce -> 另存為 -> 類型選擇制表符分隔符的txt.
• 你要合并的關鍵列（key）必須有相同的列名！這個沒辦法厘灼，join函數(shù)自帶的by就是通過相同列名的column來合并的
• 如果自己在Rstudio中跑function的話夹纫，要求你要合并的兩個數(shù)據(jù)表數(shù)據(jù)類型必須是 dataframe

腳本執(zhí)行

一共設置了4個參數(shù)（除了幫助外），

• -m/--method: 你想怎么合并设凹，后面跟"left", "right", "inner" "full"舰讹。
• -l/--left: 左邊的文件（第一個文件）。
• -r/--right: 右邊的文件 （第二個文件）闪朱。
• -k/--key: 兩個文件key那一列的列名月匣。

## 看下幫助：
~ ?Rscript /Users/shawnwang/02.MyScript/BioScript/01.R/Rjoin.R -h
Usage: /Users/shawnwang/02.MyScript/BioScript/01.R/Rjoin.R [-[-help|h]] [-[-method|m] <character>] [-[-left|x] <character>] [-[-right|y] <character>] [-[-key|k] <character>]
    -h|--help      help information ## 幫助
    -m|--method    JoinMethod: left, right, inner, full; default: left(equals excel vlookup) ## 選擇方法
    -x|--left      left_file: the 1st file ## 左邊的文件
    -y|--right     right_file: the 2nd file ## 右邊的文件
    -k|--key       key(by): the colnames of key columns, makesure leftfile and rightfile have the same colnames of key column ## 查找關鍵列的列名
## 下面這段代碼是a.txt 和 b.txt 的node1這一列的并集相關信息合并钻洒。
Rscript /Users/shawnwang/02.MyScript/BioScript/01.R/Rjoin.R -m "full" -x a.txt -y b.txt -k "node1"

done...繼續(xù)搬磚去