时间戳

首页 > 解决方案 > 如何识别数据集之间的匹配字符串？

r - 如何识别数据集之间的匹配字符串？

问题描述

我一直在尝试使用其他类似问题的答案，但没有运气。我有 2 个数据集：

#df1:
Gene
ACE
BRCA
HER2

#df2:
Gene       interactors
GP5       ACE, NOS, C456
TP53      NOS, BRCA, NOTCH4

我希望在我的第一个数据集中添加一列，以识别在我的第二个数据集中显示为交互器的基因。

输出：

#df1:
Gene   Matches
ACE      TRUE
BRCA     TRUE
HER2     FALSE

目前我正在尝试df1$Matches <- mapply(grepl, df1$Gene, df2$interactors) This runs 但是当我增加 df1 中的基因数量时，匹配的数量会下降，这没有意义，因为我没有删除最初运行的任何基因，让我认为这不起作用就像我期望的那样。

我也试过：

library(stringr)
df1 %>% 
+     rowwise() %>% 
+     mutate(exists_in_title = str_detect(Gene, df2$interactors))
Error: Column `exists_in_title` must be length 1 (the group size), not 3654
In addition: There were 50 or more warnings (use warnings() to see the first 50)

我也尝试过同样错误的 dplyr 版本。

我还有什么其他方法可以解决这个问题？任何帮助，将不胜感激。

输入数据：

dput(df1)
structure(list(Gene = c("ACE", "BRCA", "HER2")), row.names = c(NA, 
-3L), class = c("data.table", "data.frame"))

dput(df2)
structure(list(Gene = c("GP5", "TP53"), interactors = c("ACE, NOS, C456", 
"NOS, BRCA, NOTCH4")), row.names = c(NA, -2L), class = c("data.table", 
"data.frame"))

标签： rdplyrstringr

解决方案

您可以拆分使用 strsplit

library(dplyr)
df1$Matches <-  df1$Gene %in% trimws(unlist(strsplit(df2$interactors, ",")))

> df1
  Gene Matches
1  ACE    TRUE
2 BRCA    TRUE
3 HER2   FALSE

推荐阅读