Comparaison de plusieurs Data Frame

[Michèle Raffaelli]

Bonjour, dans le cadre de mon stage je dois comparer plusieurs Data Frame afin d'obtenir une "liste" de Protéines/Peptides présents dans mes 5 échantillons

Pour ce faire j'ai utilisé le code suivant :

Code : Tout sélectionner

 E1 <- E1[paste(E1$ProteinID, E1$Peptide)%in%paste(S3s$ProteinID, S3s$Peptide),]
> E1 <- S1s[paste(S1s$ProteinID, S1s$Peptide)%in%paste(S2s$ProteinID, S2s$Peptide),]
> E2 <- E1[paste(E1$ProteinID, E1$Peptide)%in%paste(S3s$ProteinID, S3s$Peptide),]
> E3 <- E2[paste(E2$ProteinID, E2$Peptide)%in%paste(S4s$ProteinID, S4s$Peptide),]

Où S1s etc représentent mes données sous forme de Data Frame

Mon petit souci c'est que j'ai plusieurs fois le même peptide parfois (même pas le même nombre de fois entre les différents jeux de données)
Avec ce code j'obtiens les peptides en communs mais ça ne me donne qu'une partie du résultat escompté (en effet si j'ai 5 occurrence dans une liste et 3 dans l'autre je n'aurai que 3 fois le peptide).
De plus ça ne m'affiche le résultat que pour la 1° liste écrite dans le code.

Du coup j'aimerai savoir si je pouvais améliorer mon code pour pouvoir observer toutes les occurrences des peptides qui m'intéressent quelque soit le nombre dans les Data Frame de base.

J'espère être à peu près claire .....

Merci par avance pour vos réponses.

Michèle.

[Serge Rapenne]

Bonjour,

si tu veux la liste de tous les couples proteine/peptide, ceci devrait fonctionner,

Code : Tout sélectionner

liste_pep_prot<-Reduce(union,list(paste(E1$ProteinID, E1$Peptide),paste(E2$ProteinID, E2$Peptide),paste(E2$ProteinID, E3$Peptide),paste(E4$ProteinID, E4$Peptide),paste(E5$ProteinID, E5$Peptide))

Serge

[Michèle Raffaelli]

Merci Serge toutefois ce n'est pas exactement ce dont j'ai besoin ......
En fait j'aimerai avoir en résultat une Data Frame avec tous mes peptides d'intérêts (+ d'autres données qui ne sont pas utiles au tri mais qui sont dans les Data Frame de base)
Et j'aimerai toutes les occurrences des peptides dans toutes les Data Frame

[Gabriel Terraz]

Salut,
Je ne comprend pas exactement ce que tu veux, tu pourrais peut-être faire un petit exemple qui illustre ce que tu as et ce que tu veux obtenir.
L'aide serait beaucoup plus efficace :)

[Serge Rapenne]

Peut être ,

Code : Tout sélectionner

Reduce(function(x, y) merge(x, y, by=c("ProteinID", "Peptide"),all=TRUE), list(S1,S2,S3,S4,S5))

Serge

[Manon Jean]

Pour connaître les peptides communs aux 5 échantillons, je dirais faire une boucle for avec un if à l'intérieur. Mais il faudrait d'abord créer une liste de base avec tous les peptides possibles :

Pour i va de 1 à la fin de ta liste de base , ajouter un peptide à une liste vide si le peptide est dans l'échantillon 1 OU l'échantillon 2 OU l'échantillon 3.
C'est bien quelque chose comme ça que tu veux ?

[Michèle Raffaelli]

J'ai des résultats de ce type là et je veux obtenir tous les couples Protéines/Peptides en commun pour les 5 Data Frame
De plus j'ai d'autres données (colonnes à droite) et j'aimerai que ça me les intègrent

J'espère que c'est un poil plus clair

[Michèle Raffaelli]

Pour connaître les peptides communs aux 5 échantillons, je dirais faire une boucle for avec un if à l'intérieur. Mais il faudrait d'abord créer une liste de base avec tous les peptides possibles :

Pour i va de 1 à la fin de ta liste de base , ajouter un peptide à une liste vide si le peptide est dans l'échantillon 1 OU l'échantillon 2 OU l'échantillon 3.
C'est bien quelque chose comme ça que tu veux ?

Oui dans l'idée mais avec un ET (il faut que la présence soit dans les 5 échantillons)

Je voulais éviter les boucles mais je sens que je ne vais guère avoir le choix

[Manon Jean]

Dans ce cas là peut-être ceci :

Code : Tout sélectionner

 for (i in 1:ncol(talistedepeptidesdebase)){
   if(E1[,i]==E2[,i]==E3[,i]==E3[,i]==E5[,i])
      listevide=listevide[,+E1[,i]]}

Il y a sûrement des erreurs mais je pense que dans l'idée c'est ça, ça te donne une base.

[Serge Rapenne]

Est ce que tous les df ont les mêmes colonnes ?

pour le couple A1E295ICATB_PIG/EQWPNCPTIK qui apparait 7 fois dans ton ex, que faut il dans la sortie ?

un exemple du mode de fusion sur 2 df serait un vrai plus soit en utilisant dput (cf viewtopic.php?f=1&t=3302) soit en fournissant un ex simplifié sur des données constituées pour l'occasion du style :

Code : Tout sélectionner

S1<-data.frame(Prot=c("a","a","a","b","b"), pep=c(1,1,2,2,3),col_ad1=1:5)
S2<-data.frame(Prot=c("a","a","b","b","b"), pep=c(1,3,2,4,3),col_ad2=1:5)

et de fournir la sortie voulue pour cet exemple

Serge

[Michèle Raffaelli]

Alors pour celui qui apparait 7 fois dans cet exemple (qui est une dataframe) il faut que ça me sorte les 7 lignes correspondantes.
J'ai actuellement fusionné mes dataframe du coup s'il apparait 20 fois une fois toutes les dataframe fusionnées il me faut les 20 lignes correspondantes.
J'espère être à peu près claire .... Pas toujours simple d'expliquer par écrit sur un forum ....

Michèle

[Serge Rapenne]

je réitéré ma question, est ce que les 5 data.frame ont les même colonnes ?

dans l’affirmative n'est ce pas tout simplement
rbind(S1,S2,S3,S4,S5) que tu cherches à faire ?

Serge

[Gabriel Terraz]

Je crois que j'ai compris :

Tout d'abord, des données bidon (merci Serge) :

Code : Tout sélectionner

S1<-data.frame(Prot=c("a","a","a","b","b"), pep=c(1,1,2,2,3),col_ad1=rnorm(5))
S2<-data.frame(Prot=c("a","a","b","b","b"), pep=c(1,2,2,3,3),col_ad1=rnorm(5))
S3<-data.frame(Prot=c("a","a","a","a","b"), pep=c(1,1,2,3,3),col_ad1=rnorm(5))

On les passe en liste pour faciliter le travail qui suit :

Code : Tout sélectionner

A <- list(S1,S2,S3)

On crée un identifiant unique composé des deux colonnes d’intérêt (avec paste)

Code : Tout sélectionner

Apaste <- lapply(A, function(x) data.frame(newid=paste(x$Prot,x$pep,sep="_"),x[,-c(1:2)]))

Et enfin, on fait un merge les dataframe en cascade :

Code : Tout sélectionner

Reduce(function(x, y) merge(x, y, by = "newid",all = F), Apaste)

On se rapproche de la solution ?

[Logez Maxime]

Bonjour,

si j'ai bien suivi :

Code : Tout sélectionner

A <- list(S1, S2, S3)
auxi <- Reduce(intersect, lapply(A, function(x) paste(x$Prot, x$pep, sep ="_")))
res <- do.call(rbind, lapply(A, function(x) x[paste(x$Prot, x$pep, sep ="_")%in%auxi,]))
# si besoin :
res <- res[do.call(order, res[1:2]),]

#ou
auxi <- Reduce(intersect, lapply(A, function(x) paste(x$Prot, x$pep, sep ="_")))
res <- do.call(rbind, A)
res <- res[with(res, paste(Prot, pep, sep = "_") %in% auxi,]
# si besoin :
res <- res[do.call(order, res[1:2]),]


Cordialement,
Maxime

[Michèle Raffaelli]

J'ai finalement trouvé un truc assez simple et qui marche (comme quoi je ne me creuse jamais assez la tête ....)

Code : Tout sélectionner

>A <- S1s[paste(S1s$ProteinID, S1s$Peptide)%in%paste(S2s$ProteinID, S2s$Peptide),]
> B <- S2s[paste(S2s$ProteinID, S2s$Peptide)%in%paste(S1s$ProteinID, S1s$Peptide),]
> C <- rbind.data.frame(A,B)
>C1 <- C[order(C$ProteinID, C$Peptide),]

Et je recommence avec la nouvelle data frame pour comparer avec mes autres séries ^^

Merci pour votre aide

Michèle