在 2 个数据框之间选择一些值答案

【问题标题】：select some values between 2 dataframe在 2 个数据框之间选择一些值
【发布时间】：2021-06-29 11:25:38
【问题描述】：

我有两个数据框，其中一个有一列 100 个基因，另一个数据框有一列包含 700 行，每行有几个用逗号分隔的基因，现在我不知道怎么可能根据数据框 1 中的基因列选择数据框 2 每一行中的基因。换句话说，我希望数据框 2 的每一行中的基因位于数据框 1 的基因列中。

dataframe1:
column gene:
a
b
c
d
e
f

dataframe2:
column gene: 
row1"a,b,c,d,r,t,y"
row2"c,g,h,k,l,a,b,c,p"

我只希望删除 dataframe2 的每一行中的逗号分隔的基因，这些基因位于 dataframe1 的列基因中，而数据框 2 中的其他基因不在 dataframe1 中。

【问题讨论】：

我是 R 的初学者，真的需要你的帮助。提前谢谢你。
接受对你帮助最大的答案是一个好习惯。否则，您可能会犹豫回答您的其他问题。
@KarstenW。谢谢你。我不知道我应该接受最符合我的问题的答案之一。我现在为我之前的问题做了。谢谢。

标签： r

【解决方案1】：

使用 tidyverse：

library(tidyverse)
library(rebus)
#> 
#> Attaching package: 'rebus'
#> The following object is masked from 'package:stringr':
#> 
#>     regex
#> The following object is masked from 'package:ggplot2':
#> 
#>     alpha

dataframe1 <- tibble(gene = c("a", "b", "c", "d", "e", "f"))
dataframe2 <- tibble(gene = c("a,b,c,d,r,t,y","c,g,h,k,l,a,b,c,p"))

result <- str_extract_all(dataframe2$gene, rebus::or1(dataframe1$gene)) %>%
            map(~ reduce(.x, str_c, sep = ','))

mutate(dataframe2, gene = result) %>% unnest(c(gene))
#> # A tibble: 2 x 1
#>   gene   
#>   <chr>  
#> 1 a,b,c,d
#> 2 c,a,b,c

^{由reprex package (v2.0.0) 于 2021-06-28 创建}

【讨论】：

当我使用你的代码时，我遇到了这个问题。 "" 错误：.x 为空，并且没有提供 .init ""。你能帮我消除这个错误吗？提前谢谢你。

【解决方案2】：

使用sapply 循环遍历dataframe2$gene 的每一行，并仅保留%in% dataframe$gene1 的值，在strspliting 之后获取每个逗号分隔值。

dataframe1 <- data.frame(gene = c("a", "b", "c", "d", "e", "f"),
                         stringsAsFactors=FALSE)
dataframe2 <- data.frame(gene = c("a,b,c,d,r,t,y", "c,g,h,k,l,a,b,c,p"),
                         stringsAsFactors=FALSE)

dataframe2$gene_sub <- sapply(
    strsplit(dataframe2$gene, ","),
    function(x) paste(x[x %in% dataframe1$gene], collapse=",")
)

dataframe2
##               gene gene_sub
##1     a,b,c,d,r,t,y  a,b,c,d
##2 c,g,h,k,l,a,b,c,p  c,a,b,c

【讨论】：

【解决方案3】：

使用来自@thelatemail 的数据的tidyverse 选项。

library(dplyr)
library(tidyr)

dataframe2 %>%
  mutate(row =  row_number()) %>%
  separate_rows(gene, sep = ',') %>%
  left_join(dataframe1 %>%
            mutate(gene_sub = gene), by = 'gene') %>%
  group_by(row) %>%
  summarise(across(c(gene, gene_sub), ~toString(na.omit(.)))) %>%
  select(-row)

#  gene                      gene_sub  
#  <chr>                     <chr>     
#1 a, b, c, d, r, t, y       a, b, c, d
#2 c, g, h, k, l, a, b, c, p c, a, b, c

【讨论】：