R - 仅识别列中以 A 和 B 结尾的字符串答案

【问题标题】：R - Identifying only strings ending with A and B in a columnR - 仅识别列中以 A 和 B 结尾的字符串
【发布时间】：2021-10-12 05:49:42
【问题描述】：

我在 R 的数据框中有一列包含样本名称。有些名称是相同的，只是它们以 A 或 B 结尾，有些样本会重复自己，如下所示：

df <- data.frame(Samples = c("S_026A", "S_026B", "S_028A", "S_028B", "S_038A", "S_040_B", "S_026B", "S_38A"))

我要做的是隔离所有末尾有 A 和 B 的样本名称，而不包括只有 A 或 B 的样本名称。

我正在寻找的最终结果如下所示： "S_026" 和 "S_028" 因为它们是唯一的以 A 和 B 结尾的。

我似乎发现的只是如何删除重复项，在这种情况下，删除重复项只会给我“S_026B”和“S_38A”。

或者，我尝试在最后去除 A 和 B，然后将这些名称中的每一个总和 > 2 的次数相加，但同样，这并没有给我想要的结果。

有什么建议吗？

【问题讨论】：

标签： r sample replicate

【解决方案1】：

我们可以使用substring获取不包括最后一个字符的子字符串分组后的最后一个字符，并检查子字符串中是否同时存在'A'和'B'

library(dplyr)
df %>% 
   group_by(grp = substr(Samples, 1, nchar(Samples)-1)) %>% 
   filter(all(c("A", "B") %in% substring(Samples, nchar(Samples)))) %>% 
   ungroup %>% 
   select(-grp)

-输出

# A tibble: 5 x 1
  Samples
  <chr>  
1 S_026A 
2 S_026B 
3 S_028A 
4 S_028B 
5 S_026B

【讨论】：

非常感谢 - 你为我节省了很多时间。但是，我可能会补充说 S_026B 出现了两次。这也发生在我的数据上。为了解决这个问题，我在代码末尾使用sort(unique(Samples)) 来获取最后同时出现 A 和 B 的代码。
但是，有没有办法只得到 S_026 和 S_028 的答案，而不是只得到 A 和 B 的列表？
@Purrsia 只需删除select(-grp) 并使用%>% distinct(grp)

【解决方案2】：

您可以在不同列中从Sample 中提取最后一个字符，只保留那些同时具有'A' 和'B' 的值，并且只保留唯一值。

library(dplyr)
library(tidyr)

df %>%
  extract(Samples, c('value', 'last'), '(.*)(.)') %>%
  group_by(value) %>%
  filter(all(c('A', 'B') %in% last)) %>%
  ungroup %>%
  distinct(value)

#  value
#  <chr>
#1 S_026
#2 S_028

【讨论】：

非常感谢。这非常有效。