代码之家 › 专栏 › 技术社区 › ip2018

在数据帧行和报表坐标之间匹配字符串

ip2018 · 技术社区 · 8 年前

我有一个包含数百行的数据框,看起来像这样:

Gene = c("EIF4A1", "CAPNS1", "LDHA", "RPL38", "CCAR1")
Pep = c("TGKTATFAISILQQIELDLKA", "MFLVNSFLKGGGGG", "CAISILMKDLAD", "VITDKEKAEKLKQSL", "TPANYQLTQTAALQQQAA")
Seq = c("MSASQDSRSRDNGPDGMEPEGVIESNWNEIVDSFDDMNLSESLLRGIYAYGFEKPSAIQQRAILPCIKGYDVIAQAQSGTGKTATFAISILQQIELDLKATQALVL*",
          "MFLVNSFLKGGGGGGGGGGGLGGGLGNVLGGLISGAGGGGGGGGGGGGGGGGGGGGTAMRILGGVISAISEAAAQYNPES*",
          "MATLKDQLIYNLLKEEQTPQNKITVVGVGAVGMACAISILMKDLADELALVDVIEDKLKGEMMDLQHGSLFLRTPKIVSGKDVFTE",
          "MPRKIEEIKDFLLTARRKDAKSVKIKKNKDNVKFKVRCSRYLYTLVITDKEKAEKLKQSLPPGLAVKELK*",
          "MAQFGGQKNPPWATQFTATAVSQPAALGVQQPSLLGASPTIYTQQTALAAAGLTTQTPANYQLTQTAALQQQAAAAAAALQQQYSQPQDQKSKENGASV")

df_in = data.frame(Gene, Pep, Seq)

我想匹配序列 "Pep" 序列在 "Seq" 并报告匹配是否在序列的第一、第二、第三或第四个季度内 “顺序” 是的。如果序列落在边界内,则考虑使用50%匹配的四分之一。

所需输出数据帧:

df_out = data.frame(Gene, Pep, Seq, Q1, Q2, Q3, Q4)

非常感谢。

1 回复 | 直到 8 年前

chinsoon12 8 年前

对于第一次切割,您可以使用 regexpr 找到第一个匹配项的索引。然后使用政治公众人物中点的索引检查政治公众人物所在的季度。

df_in = data.frame(Gene, Pep, Seq, stringsAsFactors=FALSE)

mapply(function(pp, sq) {
        posn <- regexpr(pp, sq)[[1]]
        midpt <- (posn + posn + nchar(pp) - 1) / 2
        ceiling( midpt / nchar(sq) * 4 )
    }, df_in$Pep, df_in$Seq)

之后,如果在seq中找不到确切的pep字符串,则可以开始处理特殊情况,如1)等。

推荐文章

Amp · 使用R ggplot2删除geom_radial中axis.line和panel.border之间的空格

1 年前

Hard_Course · 用另一列中的值替换行的最后一个非NA条目

1 年前

Mark R · 使用geom_sf()删除地球仪上不需要的网格线

1 年前

Joe · 根据对工作日和本周早些时候的日期的了解,找到一个日期

1 年前

Ben · 统计向量中的单词在字符串中出现的频率

1 年前

TheCodeNovice · R中符号格式的尾随零和其他问题[重复]

1 年前

katefull06 · 在R中使用terra修改范围时,会为单独的SpatRaster重写范围

1 年前

dez93_2000 · 在R管道子功能中引用管道对象的当前状态

1 年前

accibio · 在ggplot2中为同一变量创建两个连续的颜色渐变比例

1 年前

Mankka · 如何在Ggplot2中绘制均匀的径向图

1 年前