根据目标向量对 df 列进行排序（但名称仅部分匹配）答案

【问题标题】：Order df columns according to a target vector (but the names match only partially)根据目标向量对 df 列进行排序（但名称仅部分匹配）
【发布时间】：2016-01-31 19:08:28
【问题描述】：

我有一个如下所示的 data.frame (PC)：

http://i.stack.imgur.com/NWJKe.png

其中有 1000 多列名称相似。

我有一个 这些列名的向量，看起来像这样：

http://i.stack.imgur.com/vQ48u.png

我想对 data.frame 中的列（以“GTEX.”开头）进行排序，使它们按 年龄矩阵中指示的年龄排序。

PC <- read.csv("protein_coding.csv")
age <- read.table("Annotations_SubjectPhenotypes_DS.txt")

我首先更改了年龄矩阵中的名称，将“-”替换为“.”：

new_SUBJID <- gsub("-", ".", age$SUBJID, fixed = TRUE)
age[, "SUBJID"] <- new_SUBJID

然后，我按年龄对年龄矩阵的行名（SUBJUD）排序：

sort.age <- with(age,  age[order(AGE) , ])
sort.age <- na.omit(sort.age)

然后，我创建了一个向量 age.ID，其中包含正确顺序的 SUBJID（= 我希望如何从 PC 矩阵 中对列进行排序）。

age.id <- sort.age$SUBJID

但是后来我被阻止了，因为 PC 矩阵 和 age 矩阵 上的名称不一样...有人可以帮我吗？

提前非常感谢您！斯瓦尔夫

【问题讨论】：

标签： r matrix vector columnsorting

【解决方案1】：

最好不使用图像来显示示例。假设，如果有两个字符串，

str1 <- c('GTEX.N7MS.0007.SM.2D7W1', 'GTEX.PFPP.0007.SM.2D8W1', 'GTEX.N7MS.0008.SM.4E3J1') 
str2 <- c('GTEX.N7MS', 'GTEX.PFPP')

表示'PC'的列名和'age'数据集的'SUBJID'列（将-替换为.和sorted后），我们通过匹配@987654325去除后缀部分@ 后跟 4 位数字 (\\d{4}) 后跟一个或多个字符到字符串的末尾 (.*$) 并将其替换为 ''。

 str1N <- sub('\\.\\d{4}.*$', '', str1)

str1[order(match(str1N, str2))]
#[1] "GTEX.N7MS.0007.SM.2D7W1" "GTEX.N7MS.0008.SM.4E3J1"
#[3] "GTEX.PFPP.0007.SM.2D8W1"

【讨论】：