谈一谈今天在导入文件时候遇到的一个巨坑

事情是这样的：师姐说她有一批水稻基因的LOC_Os号，

loc号.png
然后想查找这些基因的注释信息。然后我就想到了tigr里面的all.locus_brief_info.7.0文件，格式是这样的 all.locus.png
然后这不就变成了一个取交集的问题了吗？由于其他语言我都学的稀烂，自然而然第一反应就想到了R里面的merge，left_join等函数。

然后就开启了今天的大坑之旅。首先我们查看all.lous文件的行数

wc -l all.locus_brief_info.7.0
66339 all.locus_brief_info.7.0  ##可以看到为66339行

然后我使用常规的R读取文件的方法

locs <- read.table(file.choose(),sep = "\t",header = T,stringsAsFactors = FALSE)

结果有警告

警告.png

再查看一下行数,wc,只有38111行，少了一大截啊

行数.png

然后我就把警告的内容复制到bird.so,原来很多人都遇到过这总问题

bird.so.png

点开了其中一个问题贴，果然就得到了自己想要的答案。

bird,so_1.png

回过头一想，这不是警告里面最后那一句话的信息吗，果然还是太年轻了。

Warning message:
In scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  :
  ***EOF within quoted string***

将代码改了一下

locs <- read.table(file.choose(),sep = "\t",header = T,stringsAsFactors = FALSE,quote = "")

再查看一下行数,Perfect! 完美解决，

行数——1.png

然后剩下来找个信息就不是问题了

wt <- read.table(file.choose(),header = F,sep = "\t")
head(wt)
colnames(wt) <- "locus"
locs <- read.table(file.choose(),sep = "\t",header = T,stringsAsFactors = FALSE,quote = "")
head(locs)
merge(wt,locs,by.x = "locus") -> data
write.csv(data,"66_annotation.csv",row.names = F)

result.png

发现比我们要查的目标行数要多，查看了一下数据，发现在loc文件中一个LOC_Os号对应多个annotation,所以就不奇怪了。