快读读取并合并多个基因表达文件

经常会遇到下载的基因表达数据，是分散在多个数据文件中，而我们为了得到基因表达矩阵，则必须要做的一步就是通过R语言合并这些表达文件。所以这里我们做一下几种不同的方法的对比：

例如这样的多个数据文件：

而单个文件的形式如下所示：

（1）通过sapply函数

setwd('D:\\SCIwork\\F14\\mRNA\\E-MEXP-1270\\E-GEOD-59363.processed.1')
files = list.files()
read_in <-function(x){
  temp = read.table(x,header = T)
  temp = temp[,-1]
  return(temp)
}
system.time(data <- sapply(files,read_in))
dim(data)

（2）通过R循环加merge函数

time1 = Sys.time()
for(i in 1:length(files)){
   if(i == 1) {
    temp = read.table(files[i],header = T)
    name <- substr(files[i], start = 1, stop = 12)
    names(temp)[2] <- name
  } else {
    dt <- read.table(files[i],header = T)
    name <- substr(files[i], start = 1, stop = 12)
    names(dt)[2] <- name
    temp = merge(temp, dt, by='ID_REF')  }}

time2 = Sys.time()
time2 - time1

（3）通过R循环加cbind函数

time_1 = Sys.time()
input_mat = 1
for(i in 1:length(files)){
  temp = read.csv(files[i],header = T)
  temp = temp[,-1]
  input_mat = cbind(input_mat,temp)
}
input_mat = input_mat[,-1]
time_2 = Sys.time()
time = time_1 - time_2
print(time)

通过上述的步骤，我们得到如下的表达矩阵。

（4）总结。
我们发现sapply函数读取的速度最快，循环加merge函数读取的速度最慢，但是循环加merge函数更容易理解，且更适合单个数据文件出现行名不相同时。