我有一个包含大约 24 列和许多行的文件，如下所示：
| ID| Pos| S1 | S2| S3| S4| ...S24
|---|----|----|---|---|---|
| A | 22 | . | 1 | 0 | . |
| B | 21 | 1 | 0 | . |1 |
| C | 50 | 0 | . | . |. |
| D | 11 | . | 1 | . |. |
我想删除样本（来自 S1 - S24）只有“。”的所有行。和“0”以及样本只有“.”的所有行。和 "1" 这样就像在上面的虚拟表中一样，行 C 和 D 将被删除，而 A 和 B 将被保留。
我尝试在 R 中使用 rowsums 失败；
NEW_FILE <- file[rowSums(file == "." & file == "1") < 24, ]
感谢 R 或其他方面的任何建议。
谢谢！
【问题讨论】：
我们可以为filtering 使用Vectorized 选项。下面，有三个执行此操作的四个选项
1) 使用str_c 和reduce。我们select名称为starts_with'S'的列，使用reduce（来自purrr）连接为单个字符串（使用str_c），然后使用str_detect检查是否只有一个或多个 0 和 . ([0.]+) 从字符串的开头 (^) 和结尾 ($) 或 (|) 仅一个或多个 1 和 .。否定 (!) 逻辑表达式并保留其余行
library(dplyr)
library(stringr)
library(purrr)
file %>%
filter(!str_detect(reduce(select(cur_data(), starts_with('S')),
str_c, sep=""), '^([0.]+|[1.]+)$'))
# ID Pos S1 S2 S3 S4
#1 A 22 . 1 0 .
#2 B 21 1 0 . 1
2) 另一个选项是 if_all 到 filter 仅具有来自“S”列的元素 . 和 0 的行，将 setdiff 与原始数据一起使用获取剩余的行，应用第二个if_all 以生成逻辑表达式n，其中行只有. 和1，取反（!）以返回其余行
file %>%
filter(if_all(starts_with('S'), ~ . %in% c('.', 0))) %>%
setdiff(file, .) %>%
filter(!if_all(starts_with('S'), ~ . %in% c('.', 1)))
# ID Pos S1 S2 S3 S4
#1 A 22 . 1 0 .
#2 B 21 1 0 . 1
3) 我们可以通过在第一个 if_all 之后创建一个临时逻辑列 ('i1') 来避免 setdiff 步骤，并在 filter 和下一个 if_all 中使用它
file %>%
mutate(i1 = if_all(starts_with('S'), ~ . %in% c('.', 0))) %>%
filter(!(i1 | if_all(starts_with('S'), ~ . %in% c('.', 1)))) %>%
select(-i1)
# ID Pos S1 S2 S3 S4
#1 A 22 . 1 0 .
#2 B 21 1 0 . 1
4) 或者我们可以使用rowSums 来创建可以与& 连接在一起的复合逻辑表达式
file %>%
filter(rowSums(select(cur_data(), starts_with('S')) == '1') > 0 &
rowSums(select(cur_data(), starts_with('S')) == '0') > 0)
# ID Pos S1 S2 S3 S4
#1 A 22 . 1 0 .
#2 B 21 1 0 . 1
file <- structure(list(ID = c("A", "B", "C", "D"), Pos = c(22L, 21L,
50L, 11L), S1 = c(".", "1", "0", "."), S2 = c("1", "0", ".",
"1"), S3 = c("0", ".", ".", "."), S4 = c(".", "1", ".", ".")),
class = "data.frame", row.names = c(NA,
-4L))
【讨论】：
这是一个 dplyr 解决方案：
library(dplyr)
file %>%
rowwise() %>%
filter(sum(!(c_across(-c(ID,Pos)) %in% c(".","0"))) > 0 &
sum(!(c_across(-c(ID,Pos)) %in% c(".","1"))) > 0)
# ID Pos S1 S2 S3 S4
# <chr> <int> <chr> <chr> <chr> <chr>
#1 A 22 . 1 0 .
#2 B 21 1 0 . 1
我们可以使用rowwise dplyr 动词来处理每一行。然后c_across 只处理S 列。我们可以检查是否都在c(".","0") 中，然后对c(".","1") 重复该过程。我们过滤（即保留）两个条件均为TRUE 的行。
如果还有其他非“S”列，您可以改用c_across(starts_with("S"))。
数据：
file <- structure(list(ID = c("A", "B", "C", "D"), Pos = c(22L, 21L,
50L, 11L), S1 = c(".", "1", "0", "."), S2 = c("1", "0", ".",
"1"), S3 = c("0", ".", ".", "."), S4 = c(".", "1", ".", ".")), class = "data.frame", row.names = c(NA,
-4L))
【讨论】：
假设在每一行都可以找到.，这也可以是另一种解决方案。但是，如果不是这种情况，我需要进行一些修改：
library(dplyr)
library(stringr)
library(purrr)
file %>%
mutate(Con = pmap_lgl(file %>%
select(starts_with("S")), ~ all(any(str_detect(c(...), "1")),
any(str_detect(c(...), "0"))))) %>%
filter(Con) %>%
select(-Con)
ID Pos S1 S2 S3 S4
1 A 22 . 1 0 .
2 B 21 1 0 . 1
【讨论】：
这是带有正则表达式的base R 解决方案：
file[-which(grepl("^[0.]+$|^[1.]+$", apply(file[,-1], 1, paste, collapse = ""))),]
ID S1 S2 S3 S4
1 A . 1 0 .
2 B 1 0 . 1
在这里，我们首先使用apply和paste将行折叠成字符串，然后我们在这些行上子集file which做不匹配它们的模式仅包含.和1或.和0从开始^到结束$
如果您更喜欢dplyr 解决方案：
library(dplyr)
file %>%
rowwise() %>%
mutate(string = paste(c_across(starts_with('S')),collapse = "")) %>%
filter(!grepl("^[0.]+$|^[1.]+$", string)) %>%
select(-string)
数据：
file <- data.frame(
ID = LETTERS[1:4],
S1 = c(".", "1", "0", "."),
S2 = c("1", "0", ".", "1"),
S3 = c("0", ".", ".", "."),
S4 = c(".", "1", ".", ".")
)
【讨论】：
希望这个使用 subset + apply + %in% 的基本 R 选项可以提供帮助（感谢 @akrun 提供数据）
> subset(file, apply(file, 1, function(x) all(c("0", "1", ".") %in% x) | sum(x == ".") + 2 == length(x)))
ID Pos S1 S2 S3 S4
1 A 22 . 1 0 .
2 B 21 1 0 . 1
【讨论】：