匹配数据框中的所有匹配项

Question

我正在尝试做与这篇文章类似的事情：Extract rows for the first occurrence of a variable in a data frame，但提取所有出现的事件，而不仅仅是第一个。

这是一个简化的例子： 我有这个名为 toDrop 的数据框

Gene   Taxa
123    A
327    B
445    D
557    A
789    E
123    B
557    C

这是我使用 match 的代码，因此只返回第一个匹配项。我在一个循环中运行它，所以为了简单起见在这里修改。

Gene <- c("123", "327", "445", "557", "789", "123", "557")
Taxa <- c("A", "B", "D", "A", "E", "B", "C")
toDrop <- data.frame(Gene, Taxa)
Temp <- list()
geneNameTemp <- "123"
toDrop[match(geneNameTemp, toDrop$Gene), 2] -> Temp

在此示例中，Temp 应返回“A”和“B”的列表 我想我需要像this post 那样使用 lapply 但无法从那个例子中弄清楚。 感谢您的帮助。

Answer 1

有几种方法可以做到这一点。基本 R 中与您已有的方法接近的一种方法是 which() 结合 %in%

Gene <- c("123", "327", "445", "557", "789", "123", "557")
Taxa <- c("A", "B", "D", "A", "E", "B", "C")
toDrop <- data.frame(Gene, Taxa)
Temp <- list()
geneNameTemp <- "123"
Temp <- as.list(toDrop[which(toDrop$Gene %in% geneNameTemp),2])
Temp
# [[1]]
# [1] A
# Levels: A B C D E
# 
# [[2]]
# [1] B
# Levels: A B C D E

将返回一个包含两个因素的列表。此方法可以扩展为向量geneNameTemp，但如果有重复，它将包括重复

Gene <- c("123", "327", "445", "557", "789", "123", "557")
Taxa <- c("A", "B", "D", "A", "E", "B", "C")
toDrop <- data.frame(Gene, Taxa)
Temp <- list()
geneNameTemp <- c("123", "327")
Temp <- as.list(toDrop[which(toDrop$Gene %in% geneNameTemp),2])
Temp
# [[1]]
# [1] A
# Levels: A B C D E
# 
# [[2]]
# [1] B
# Levels: A B C D E
# 
# [[3]]
# [1] B
# Levels: A B C D E

如果您只需要一个带有因子的向量，您可以删除as.list()。如果要删除重复项，可以使用unique(toDrop[which(toDrop$Gene %in% geneNameTemp),2])。

Answer 2

Gene <- c("123", "327", "445", "557", "789", "123", "557")
Taxa <- c("A", "B", "D", "A", "E", "B", "C")
toDrop <- data.frame(Gene, Taxa, stringsAsFactors = FALSE)

有很多方法可以做到这一点。使用data.table，可以很容易地按值拆分列并返回一个列表。由于您只对Taxa 列感兴趣，您可以执行以下操作：

library(data.table)
lapply(
  split(setDT(toDrop), by = "Gene"), function(d) d[['Taxa']]
)

$`123`
[1] "A" "B"

$`327`
[1] "B"

$`445`
[1] "D"

$`557`
[1] "A" "C"

$`789`
[1] "E"