比较拆分和合并两个数据框答案

【问题标题】：Compare split and merge two dataframe比较拆分和合并两个数据框
【发布时间】：2015-04-21 14:44:07
【问题描述】：

如何通过基因名称比较两个数据集df1和df2，并从df2中提取每个基因名称的对应值并将其插入df1

df1 <-

Genes    sample.ID  chrom   loc.start   loc.end num.mark
Klri2     LO.WGS      1   3010000 173490000     8430
Rrs1      LO.WGS      1   3010000 173490000     8430
Serpin    LO.WGS      1   3010000 173490000     8430
Myoc      LO.WGS          1   3010000 173490000     8430
St18      LO.WGS          1   3010000 173490000     8430


df2 <-

    RL  pValue.   chr   start            end    CNA     Genes
    2   2.594433   1    129740006   129780779   gain    Klri2   
    2   3.941399   1    130080653   130380997   gain    Serpin,St18,Myoc

df3<-

Genes   sample.ID  chrom  loc.start  loc.end num.mark   RL  pValue      CNA
Klri2    LO.WGS     1   3010000   173490000     8430    2   2.594433    gain
Rrs1     LO.WGS     1   3010000   173490000     8430    0     0          0
Serpin   LO.WGS     1   3010000   173490000     8430    2   3.941399    gain
Myoc     LO.WGS     1   3010000   173490000     8430    2   3.941399    gain
St18     LO.WGS     1   3010000   173490000     8430    2   3.941399    gain

【问题讨论】：

这里是 dplyr 的精彩介绍。这是一个用于合并和选择 R 中特定列的包。它非常有用，值得一读。比这个具体问题更有价值。 link 如果仍然没有帮助，请回来询问具体问题，参考您的尝试和结果。

标签： r

【解决方案1】：

你可以试试：

library(splitstackshape)   
out <- cSplit(df2, "Genes", sep = ",", "long")

这将以正确的格式重塑df2（每个基因一行）：

#   RL  pValue. chr     start       end  CNA  Genes
#1:  2 2.594433   1 129740006 129780779 gain  Klri2
#2:  2 3.941399   1 130080653 130380997 gain Serpin
#3:  2 3.941399   1 130080653 130380997 gain   St18
#4:  2 3.941399   1 130080653 130380997 gain   Myoc

那么你只需使用merge() 或left_join() from dplyr：

library(dplyr)
df3 <- left_join(df1, out)

如果你想用0替换NAs，你可以这样做：

df3 <- left_join(df1, out) %>% mutate_each(funs(ifelse(is.na(.), 0, .)))

或者，如果您更喜欢子集：

df3 <- left_join(df1, out) %>% (function(x) { x[is.na(x)] <- 0; x })

【讨论】：

【解决方案2】：

这是一个合并操作，但首先您必须以正确的格式输入df2，其中每个基因包含一行（而不是多个基因用逗号分隔的单个条目）。 tidyr 包中有一个方便的函数，unnest()

df2 <- tidyr::unnest(
         transform(df2, Genes = strsplit(as.character(df2$Genes), ",")),
         Genes)

结果是这样的

df2
#  RL  pValue. chr     start       end  CNA  Genes
#1  2 2.594433   1 129740006 129780779 gain  Klri2
#2  2 3.941399   1 130080653 130380997 gain Serpin
#3  2 3.941399   1 130080653 130380997 gain   St18
#4  2 3.941399   1 130080653 130380997 gain   Myoc

现在您可以简单地使用来自dplyr 的merge(df1, df2, all.x = TRUE) 或left_join（或其他软件包，如data.table，取决于您想学习哪一个）。请注意，这将在您想要零的地方引入NAs，但您可以轻松地替换它们。

【讨论】：