需要将向量中每个术语的结尾与某个术语 R 匹配

Question

我有一个原始向量样本，并且想要对其进行子集化，以便我有一个较小的向量 tum，其中仅包含以“01A”结尾的术语。我尝试过使用 grepl、grep 和子集，但它给了我不正确的值。

代码如下：

samples <- lihc_data[0,-1]
as.vector(samples)
tum <- subset(lihc_data[0,-1], grepl("01A$", lihc_data[0,-1]) == TRUE)

这是样本向量的一些样子：

 [1] TCGA.BC.A10Q.11A TCGA.BC.A10Q.01A TCGA.DD.A1EB.11A TCGA.DD.A1EB.01A
 [5] TCGA.DD.A1EG.11A TCGA.DD.A1EG.01A TCGA.DD.A1EH.11A TCGA.DD.A1EH.01A
 [9] TCGA.DD.A1EI.11A TCGA.DD.A1EI.01A TCGA.DD.A3A6.11A TCGA.DD.A3A6.01A

Answer 1

lihc_data[0,-1] 中的 0 很奇怪。与其他编程语言相比，在 R 中，您永远不会有 0 个索引 afaik。所以你的向量可能是空的。如果您想要 lihc_data data.frame 或矩阵的第一行没有第一个元素，可以尝试as.character(lihc_data[1,-1])。

根据您的代码，这似乎可行：

samples <- c("TCGA.BC.A10Q.11A", "TCGA.BC.A10Q.01A", "TCGA.DD.A1EB.11A", 
             "TCGA.DD.A1EB.01A", "TCGA.DD.A1EG.11A", "TCGA.DD.A1EG.01A", 
             "TCGA.DD.A1EH.11A", "TCGA.DD.A1EH.01A", "TCGA.DD.A1EI.11A", 
             "TCGA.DD.A1EI.01A", "TCGA.DD.A3A6.11A", "TCGA.DD.A3A6.01A")

subset(samples, grepl("01A$", samples) == TRUE)

这可能更短，更惯用（结果相同）：

grep("01A$", samples, value = TRUE)
samples[grepl("01A$", samples)]

Answer 2

基本解决方案：

数据：

 c("TCGA.DD.A1EG.11A", "TCGA.DD.A1EI.11A", "TCGA.DD.A1EG.01A", 
"TCGA.DD.A1EI.01A", "TCGA.DD.A1EH.11A", "TCGA.DD.A3A6.11A", "TCGA.DD.A1EH.01A", 
"TCGA.DD.A3A6.01A") -> samples

然后使用简单的向量子集（不需要subset函数）：

samples[grepl("01A$", samples)]

Answer 3

samples <- c("TCGA.BC.A10Q.11A", "TCGA.BC.A10Q.01A", "TCGA.DD.A1EB.11A",
             "TCGA.DD.A1EB.01A", "TCGA.DD.A1EG.11A", "TCGA.DD.A1EG.01A", 
             "TCGA.DD.A1EH.11A", "TCGA.DD.A1EH.01A", "TCGA.DD.A1EI.11A",
             "TCGA.DD.A1EI.01A", "TCGA.DD.A3A6.11A", "TCGA.DD.A3A6.01A")

stringr::str_extract_all(samples, "[:print:]{12}\\.01A") %>% unlist()

结果：

[1] "TCGA.BC.A10Q.01A" "TCGA.DD.A1EB.01A" "TCGA.DD.A1EG.01A" "TCGA.DD.A1EH.01A"
[5] "TCGA.DD.A1EI.01A" "TCGA.DD.A3A6.01A"