R - 如何根据与另一个数据帧的部分匹配对数据帧中的每一行进行分类？答案

【问题标题】：R - How to classify each row in a dataframe depending on partial matching with another dataframe?R - 如何根据与另一个数据帧的部分匹配对数据帧中的每一行进行分类？
【发布时间】：2018-05-07 21:44:12
【问题描述】：

我有两个数据框（df1 和 df2），这里是 df1：

SAMPLE NAMES
1_a
1_b
1_c
2_a
2_b
3_a
4_a
4_b

这里是df2：

ID  GROUP   
1   X
2   X
3   Y
4   Z

这就是我想要做的 - 我想在 df1 中添加一个新列，这将基于与 df2 的 ID 列的部分匹配来指示样本的组。因此，df1 中的样本“2_a”和“2_b”应该与 df2 中的“2”具有相同的组。

期望的输出：

SAMPLE NAMES    GROUP
1_a             X
1_b             X
1_c             X
2_a             X
2_b             X
3_a             Y
4_a             Z
4_b             Z

到目前为止，我已经尝试使用 stringr 包并编写了一个 for 循环：

for (i in df1[, 1]){
  for (j in df2$ID){
    x <- which(str_detect(i,j))
    class <- df2[j,1]
    df1$group[i] <- class
  }
}

但它一直给我错误：

UseMethod("type") 中的错误：没有适用于“类型”的方法应用于“c('integer', 'numeric')”类的对象

我做错了什么？另外，有没有办法使用 apply() 函数而不是循环来做到这一点？

【问题讨论】：

标签： r dataframe stringr

【解决方案1】：

这是一个tidyverse 选项

library(tidyverse)
df1 %>% 
 separate(., col = SAMPLE.NAMES, into = c('SAMPLE', 'NAMES'), sep = "_", convert = TRUE) %>% 
 left_join(df2, by = c('SAMPLE' = 'ID')) %>% 
 unite(., col = SAMPLE.NAMES, SAMPLE, NAMES)
#  SAMPLE.NAMES GROUP
#1          1_a     X
#2          1_b     X
#3          1_c     X
#4          2_a     X
#5          2_b     X
#6          3_a     Y
#7          4_a     Z
#8          4_b     Z

我们首先将separatedf1 的列“SAMPLE.NAMES”分成两部分，这样我们就可以通过“SAMPLE”和“ID”将left_joindf1 与df2 结合起来。在最后一行中，我们将unite 列“SAMPLE”和“NAME”返回到“SAMPLE.NAMES”。

数据

df1 <- structure(list(SAMPLE.NAMES = structure(1:8, .Label = c("1_a", 
"1_b", "1_c", "2_a", "2_b", "3_a", "4_a", "4_b"), class = "factor")), .Names = "SAMPLE.NAMES", class = "data.frame", row.names = c(NA, 
-8L))

df2 <- structure(list(ID = 1:4, GROUP = structure(c(1L, 1L, 2L, 3L), .Label = c("X", 
"Y", "Z"), class = "factor")), .Names = c("ID", "GROUP"), class = "data.frame", row.names = c(NA, 
-4L))

【讨论】：

【解决方案2】：

您的 for 循环不起作用的主要原因是 str_detect() 仅将字符串作为输入，但您试图在 df2 的 ID 列上使用它，这是一个数字向量。您的 for 循环还有其他问题：特别是，您定义了一个对象 x，该对象之后从未实际使用过，因此您的代码不会使用 str_detect() 选择您想要的元素。

如果您想要更多 stringr 解决方案，这里还有一个选项。它既不使用 for 循环也不使用 apply()（至少，不直接使用）。

它的工作原理是使用正则表达式从“SAMPLE.NAMES”列中仅提取数字字符，以将每个样本链接到其数字 ID。之后，我们只需将数据框连接在一起并选择您想要的列：

# Example dataframes
df1 <- tibble(SAMPLE.NAMES = c("1_a", "1_b", "1_c", "2_a", "2_b", "3_a", "4_a", "4_b"))
df2 <- tibble(ID = c(1,2,3,4),
              GROUP = c("X", "X", "Y", "Z"))

df1 <- mutate(df1, ID = as.numeric(str_replace_all(SAMPLE.NAMES, "_[abc]", ""))) %>%
       left_join(df2) %>%
       select(-ID)

# Output:
# A tibble: 8 x 2
  SAMPLE.NAMES GROUP
  <chr>        <chr>
1 1_a          X    
2 1_b          X    
3 1_c          X    
4 2_a          X    
5 2_b          X    
6 3_a          Y    
7 4_a          Z    
8 4_b          Z

【讨论】：

【解决方案3】：

只需在下划线之前的字符串部分合并：

> df1$ID <- sub("_.+$","",df1$SAMPLENAMES)
> df1
  SAMPLENAMES ID
1         1_a  1
2         1_b  1
3         1_c  1
4         2_a  2
5         2_b  2
6         3_a  3
7         4_a  4
8         4_b  4
> merge(df1,df2, by="ID")
  ID SAMPLENAMES GROUP
1  1         1_a     X
2  1         1_b     X
3  1         1_c     X
4  2         2_a     X
5  2         2_b     X
6  3         3_a     Y
7  4         4_a     Z
8  4         4_b     Z

【讨论】：