R语言处理每行元素数不同的CSV统计基因数并绘制柱状图的方法

第一步：统计每行y基因ID的数量 #

直接按行读取文件后拆分统计即可，无需提前对齐列：

# 1. 读取你的CSV文件，每行作为一个独立字符串读取
lines <- readLines("你的文件路径.csv")

# 如果文件第一行是表头，执行这行删除表头：lines <- lines[-1]

# 2. 逐行统计y的数量
result_df <- data.frame(
  x_id = character(length(lines)),
  y_count = integer(length(lines))
)
for (i in seq_along(lines)) {
  elements <- strsplit(lines[i], "\\s+")[[1]]
  result_df$x_id[i] <- elements[1]
  result_df$y_count[i] <- length(elements) - 1
}

# 3. 导出你需要的格式结果
write.table(result_df, "统计结果.txt", sep = " ", row.names = F, col.names = F, quote = F)

运行后导出的统计结果.txt就是你要求的x+数量的格式。

第二步：绘制分布柱状图 #

直接用统计好的y数量列计算分布绘图即可：

# 统计每个y数量对应的行数
count_table <- table(result_df$y_count)

# 绘制柱状图
barplot(count_table,
        main = "每行基因ID数量分布",
        xlab = "单行列的基因ID个数",
        ylab = "对应的行数",
        col = "lightblue")

可选：合并4个以上的分组统计 #

如果你需要把4个以上的统一归为「≥5」的分组，执行下面的代码：

# 生成分组标签
result_df$group <- ifelse(result_df$y_count >=5, "≥5", as.character(result_df$y_count))
# 按指定顺序统计分组
group_table <- table(factor(result_df$group, levels = c("1","2","3","4","≥5")))
# 绘制分组后的柱状图
barplot(group_table,
        main = "每行基因ID数量分布",
        xlab = "单行列的基因ID个数",
        ylab = "对应的行数",
        col = "lightblue")

内容的提问来源于stack exchange，提问作者kinda_tired