Cómo calcular la mediana de varios archivos divididos generados a partir de un archivo grande

Question

Quiero calcular la mediana del conjunto de datos de mi mouse (nombre de archivo = prueba). Este conjunto de datos es muy grande, así que lo dividí en varios archivos (n=5) con este comando:

 split -l$((`wc -l < test`/5)) test test.split -da 4

Después de este paso, ahora tengo 5 archivos test.split0000, test.split0001, test.split0002, test.split0003, test.split0004.

Utilizo el siguiente script para calcular la mediana.

#!/usr/bin/R

data <- read.table("Input_file", row.names=1, header=T)

M <- apply(data, 1, median) 

write.table(M, "Final_median_mousegene", quote=FALSE, sep="\t", row.names=TRUE)

q()

Pero ahora tengo varios archivos, por lo que quiero ejecutar un único script que funcione en conjunto en todos los archivos divididos.

Gracias

Answer 1

"La mediana es el punto medio, central o intermedio de un grupo de números. Cuando ordenas un conjunto de números de menor a mayor, la mediana es el número directamente en el medio. El cincuenta por ciento de los valores de un conjunto ocurren debajo del la mediana y el 50% están por encima de la mediana".

Por lo tanto, no use R; simplemente ordene el archivo grande, el valor medio es el valor mediano.

Answer 2

 #!/usr/bin/R

 files <- list.files(pattern = "test.split*")

 for (i in 1:length(files)){
 data <- read.table(files[i], header=F, row.names = 1)
 M <- apply(data, 1, median) 
 write.table(M, paste0("Median_", files[i]), quote=FALSE, sep="\t", 
 row.names=TRUE)
 }
q()