仅对间隔不属于另一个 data.frame 的行进行子集答案

【问题标题】：Subset only those rows whose intervals does not fall within another data.frame仅对间隔不属于另一个 data.frame 的行进行子集
【发布时间】：2015-03-22 10:59:36
【问题描述】：

如何比较两个长度不等的数据帧（测试和控制），并根据三个标准从测试中删除行，i) 如果 test$chr == control$chr ii) test$start 和 test$end 位于 control$start 和 control$end 的范围内 iii) test$CNA 和 control$CNA 是一样的。

    test = 
        R_level  logp   chr start   end     CNA    Gene
        2     7.079     11  1159    1360    gain   Recl,Bcl
        11    2.4       12  6335    6345    loss   Pekg
        3     19        13  7180    7229    loss   Sox1

control =

  R_level    logp   chr  start  end     CNA    Gene
        2     5.9     11  1100  1400    gain   Recl,Bcl 
        2     3.46    11  1002  1345    gain    Trp1
        2     6.4     12  6705  6845    gain    Pekg
        4     7       13  6480  8129    loss    Sox1

结果应该是这样的

result =
     R_level     logp   chr start   end     CNA     Gene
          11      2.4    12  6335   6345    loss   Pekg

【问题讨论】：

欢迎来到 Stackoverflow！请进一步说明您的问题。
在第 2 行，你的意思是 data1[,4] > data2[,5] &（不是 daat2）对吗？
抱歉有错别字。它实际上是data2 [,5]。我想删除满足上述以下条件的行。

标签： r dataframe overlapping-matches

【解决方案1】：

当您说“排除变量”时，我假设您的意思是要删除满足这些条件的行。

如果是这样，您就快到了。以下应该有效：

exclude_bool <- data1[,3] == data2[,3] &
data1[,4] > data2[,5] &
data1[,5] < data2[,4] &
data1[,6] == data2[,6] 

data1 <- data1[!exclude_bool , ]

【讨论】：

谢谢解码器..但似乎两个数据帧的长度不一样。警告消息： 1：在 data1[, 3] == data2[, 3] 中：较长的对象长度不是较短对象长度的倍数 2：在 data1[, 4] > data2[, 5] 中：较长的对象长度不是较短对象长度的倍数 3：在 data1[, 5]
如果长度不同，则比较没有意义。你说data1[,3]==data2[,3]是什么意思？由于在 R 中，这种语法是逐元素比较值。 data1[,4] > data2[,5] 也是如此：您希望如何进行比较？ data1[,5]的最大值是否应该大于data2[,4]的最大值？
data1 是测试，data 2 是控制。如果 a) data1[,3] 等于 data2[,3] b) 如果测试的开始和结束（data1）在控制的开始和结束范围内（data2）c，我想过滤测试中的行) 并且如果 data1[,6] 也等于 data2[,6]。
那么它们仍然需要具有相同的行数。我认为您必须更新您的问题以准确反映您正在尝试做的事情。
但是如果行数不相等怎么办。我们如何强制 R 进行比较？在我的情况下，没有。测试和控制中的行数不相等。

【解决方案2】：

这是使用data.table 中的foverlaps() 的一种方式。

require(data.table) # v1.9.4+
dt1 <- as.data.table(test)
dt2 <- as.data.table(control)
setkey(dt2, chr, CNA, start, end)

olaps = foverlaps(dt1, dt2, nomatch=0L, which=TRUE, type="within")
#    xid yid
# 1:   1   2
# 2:   3   4

dt1[!olaps$xid]
#    R_level logp chr start  end  CNA Gene
# 1:      11  2.4  12  6335 6345 loss Pekg

阅读?foverlaps 并查看示例部分了解更多信息。

或者，您也可以使用GenomicRanges 包。但是，在按重叠区域 (AFAICT) 合并后，您可能必须基于 CNA 进行过滤。

【讨论】：