r - 如何根据组内的子字符串匹配两个数据帧
问题描述
我想合并两个按相同标识符分组的数据框。第一个数据帧 (valueA) 中的变量应与第二个数据帧 (valueB) 中变量的子字符串匹配,但仅限于组内。
我可以设法匹配匹配变量,但我正在努力将匹配限制为分组变量。以下是示例数据帧和匹配代码:
df1 <- data.frame(report = c('Report1','Report1','Report1','Report1','Report1','Report1'),
identifier = c('Abraham', 'Abraham', 'Abraham','Barack', 'Barack','Barack'),
variableA = c('V1','V2','V3','V1','V2', 'V3'),
value = c('CDKN2A/B','PALB2','KRAS','TP53','RB1','KRAS'))
df2 <- data.frame(report = c('Report1','Report1','Report1','Report1','Report1','Report1','Report1'),
identifier = c('Abraham', 'Abraham', 'Abraham','Abraham','Barack', 'Barack','Barack'),
variableB = c('F1','F2','F3','F4','F1','F2', 'F3'),
valueB = c('CDKN2A/B LOSS','PALB2 P1111FS*13','KRAS G12R','PALB2 N540FS*1','RB1 SPLICE SITE 2325+1G>A','KRAS G13C','TP53 C238F'))
这是我尝试过的代码,但不适用于团体
idx2 <- sapply(df1$value, grep, df2$valueB)
idx1 <- sapply(seq_along(idx2), function(i) rep(i, length(idx2[[i]])))
idx3 <- cbind(df1[unlist(idx1),,drop=F], df2[unlist(idx2),,drop=F])
预期输出是(数据帧的代码)
df3 <- data.frame(report=c('Report1','Report1','Report1','Report1','Report1','Report1','Report1'),
identifier = c('Abraham', 'Abraham', 'Abraham','Abraham','Barack', 'Barack','Barack'),
variableA = c('V1','V2','V3','V2','V1','V2', 'V3'),
value = c('CDKN2A/B','PALB2','KRAS','PALB2','TP53','RB1','KRAS'),
variableB = c('F1','F2','F3','F4','F1','F2', 'F3'),
valueB = c('CDKN2A/B LOSS','PALB2 P1111FS*13','KRAS G12R','PALB2 N540FS*1','TP53 C238F','RB1 SPLICE SITE 2325+1G>A','KRAS G13C'))
结果数据框
report identifier variableA value variableB valueB
Report1 Abraham V1 CDKN2A/B F1 CDKN2A/B LOSS
Report1 Abraham V2 PALB2 F2 PALB2 P1111FS*13
Report1 Abraham V3 KRAS F3 KRAS G12R
Report1 Abraham V2 PALB2 F4 PALB2 N540FS*1
Report1 Barack V1 TP53 F1 TP53 C238F
Report1 Barack V2 RB1 F2 RB1 SPLICE SITE 2325+1G>A
Report1 Barack V3 KRAS F3 KRAS G13C
希望这是有道理的,非常感谢您的帮助!
解决方案
您可以fuzzyjoin
为此使用 -package:
fuzzy_inner_join(df2, df1, by = c("valueB" = "valueA", "identifier" = "identifier"), match_fun = list(str_detect, `==`)) %>%
select(report.x, identifier.x, variableA, valueA, variableB, valueB)
report.x identifier.x variableA valueA variableB valueB
1 Report1 Abraham V1 CDKN2A/B F1 CDKN2A/B LOSS
2 Report1 Abraham V2 PALB2 F2 PALB2 P1111FS*13
3 Report1 Abraham V3 KRAS F3 KRAS G12R
4 Report1 Abraham V2 PALB2 F4 PALB2 N540FS*1
5 Report1 Barack V2 RB1 F1 RB1 SPLICE SITE 2325+1G>A
6 Report1 Barack V3 KRAS F2 KRAS G13C
7 Report1 Barack V1 TP53 F3 TP53 C238F
这样,您可以为不同的列应用不同的匹配函数。在这种情况下,我们用于str_detect()
您的模糊匹配列和==
分组列。
推荐阅读
- php - 无法从 scandir 数组中删除“.”/“..”
- node.js - 如何为 Web 应用程序执行特定于设备的身份验证?
- tkinter - 为什么 fielddialog 小部件在退出时会重新启动 Spyder 内核?
- vagrant - 在 SLS 文件中使用 create_self_signed_cert
- powerbi - Power BI - 具有两种不同数据类型的列
- terraform - Terraform 我得到 count.index 总是 0
- json - 使用 powershell 的 Zscaler API Json 问题
- python - 分组方式适用于多列?
- three.js - Three.js:如何使用相机旋转值在轴上旋转球体
- python - 如何从具有多个值的 groupby 对象中获取最大值?