data.frame 到 Newick
我在计算系统发育学方面获得了博士学位,并且在我制作这段代码的过程中的某个地方,当我得到一些非标准格式的数据(在系统发育意义上)时,我使用了一次或两次。该脚本遍历数据框,就好像它是一棵树......并沿途将内容粘贴到 Newick 字符串中,这是一种标准格式,然后可以转换为任何类型的树对象。
我想脚本可以优化(我很少使用它,以至于更多的工作会降低整体效率),但至少分享比让它收集我硬盘上的灰尘更好。
## recursion function
traverse <- function(a,i,innerl){
if(i < (ncol(df))){
alevelinner <- as.character(unique(df[which(as.character(df[,i])==a),i+1]))
desc <- NULL
if(length(alevelinner) == 1) (newickout <- traverse(alevelinner,i+1,innerl))
else {
for(b in alevelinner) desc <- c(desc,traverse(b,i+1,innerl))
il <- NULL; if(innerl==TRUE) il <- a
(newickout <- paste("(",paste(desc,collapse=","),")",il,sep=""))
}
}
else { (newickout <- a) }
}
## data.frame to newick function
df2newick <- function(df, innerlabel=FALSE){
alevel <- as.character(unique(df[,1]))
newick <- NULL
for(x in alevel) newick <- c(newick,traverse(x,1,innerlabel))
(newick <- paste("(",paste(newick,collapse=","),");",sep=""))
}
主函数df2newick()
有两个参数:
df
这是要转换的数据框(类data.frame的对象)
innerlabel
它告诉函数为内部节点编写标签(bulean)
在您的示例中演示它:
df <- data.frame(x=c('A','A','B','B','B'), y=c('Ab','Ac','Ba', 'Ba','Bd'), z=c('Abb','Acc','Bad', 'Bae','Bdd'))
myNewick <- df2newick(df)
#[1] "((Abb,Acc),((Bad,Bae),Bdd));"
phylo
现在你可以用read.tree()
from ape将它读入一个类的对象
library(ape)
mytree <- read.tree(text=myNewick)
plot(mytree)
如果要将内部节点标签添加到 Newick 字符串,可以使用:
myNewick <- df2newick(df, TRUE)
#[1] "((Abb,Acc)A,((Bad,Bae)Ba,Bdd)B);"
希望这是有用的(也许我的博士学位不是一个完整的时间;-)
您的数据框格式的附加说明:
正如您所观察到的,df2newick 函数忽略了一个孩子的内部模式(无论如何最好与大多数系统发育方法一起使用......只与我有关)。df
我最初获得并与此脚本一起使用的对象具有以下格式:
df <- data.frame(x=c('A','A','B','B','B'), y=c('Abb','Acc','Ba', 'Ba','Bdd'), z=c('Abb','Acc','Bad', 'Bae','Bdd'))
与您的非常相似...但是“内部单个子节点”与它们的子节点具有相同的名称,但是您对该节点也有不同的内部名称,并且名称被忽略...可能不相关,但您可以只需忽略递归函数的一部分,如下所示:
traverse <- function(a,i,innerl){
if(i < (ncol(df))){
alevelinner <- as.character(unique(df[which(as.character(df[,i])==a),i+1]))
desc <- NULL
##if(length(alevelinner) == 1) (newickout <- traverse(alevelinner,i+1,innerl))
##else {
for(b in alevelinner) desc <- c(desc,traverse(b,i+1,innerl))
il <- NULL; if(innerl==TRUE) il <- a
(newickout <- paste("(",paste(desc,collapse=","),")",il,sep=""))
##}
}
else { (newickout <- a) }
}
你会得到这样的东西:
[1] "(((Abb)Ab,(Acc)Ac)A,((Bad,Bae)Ba,(Bdd)Bd)B);"
这对我来说真的很奇怪,但我添加它以防万一,因为它现在确实包含原始数据帧中的所有信息。