代码之家 › 专栏 › 技术社区 › dbro970

通过粘贴与R中字符串的一部分匹配的所有列来创建新列

grepl dataframe r

dbro970 · 技术社区 · 3 周前

我有一个数据帧,它是从一个以制表符分隔的文件中读取的,但其中有一列以分号分隔。此列包含我感兴趣的大多数实际变量,但它没有排序,因为有些行包含的信息比其他行多,有些行具有重复的值。然而,感兴趣的变量确实包含一个标识符作为其字符串的一部分,例如“gene-eno”。

对于每一行,我想识别并粘贴所有与给定标识符匹配的值,如下所示:

当前数据帧:

A列	V9_01	V9_02
cd 1	索引123	基因“pla”
cd 2		基因“dah”
cd 3	基因“废话”	地点:456
cd 4	基因“do”	基因“rah”
cd 5	索引127	位置893

所需的数据帧:

A列	V9_01	V9_02	基因名称(_N)
cd 1	索引123	基因“pla”	基因“pla”
cd 2		基因“dah”	基因“dah”
cd 3	基因“废话”	地点:456	基因“废话”
cd 4	基因“do”	基因“rah”	基因“do”,基因“rah”
cd 5	索引127	位置893	NA

我使用以下代码在原始文件中读取当前数据帧:

DP_GTF<-read.delim("E:/Genome_Files/GTF/DolosPig51524.gtf", sep = "\t", comment.char = "#", header = F) %>% 
  subset(V3=="CDS") %>% 
  #select(c("V9"))%>% 
  cSplit("V9",";")

我不确定如何获得所需的数据帧,但假设我需要在部分数据帧上运行grep?

1 回复 | 直到 3 周前

Andre Wildberg 3 周前

一种方法 基本R 使用 grep ,正在搜索基因

transform(df, Gene_Name = apply(df[,-1], 1, \(x){
                            res <- toString(grep("gene", x, value=T))
                            replace(res, res == "", NA)}), check.names=F)
  Column A     V9_01        V9_02         Gene_Name
1    CDS 1  Index123     gene pla          gene pla
2    CDS 2               gene dah          gene dah
3    CDS 3 gene blah Location:456         gene blah
4    CDS 4   gene do     gene rah gene do, gene rah
5    CDS 5  Index127  Location893              <NA>

具有 dplyr 使用 c_across 具有 rowwise

library(dplyr)

df %>% 
  rowwise() %>% 
  mutate(Gene_Name = toString(grep("gene", c_across(V9_01:V9_02), value=T)),
         Gene_Name = replace(Gene_Name, Gene_Name == "", NA)) %>%
  ungroup()
# A tibble: 5 Ã 4
  `Column A` V9_01       V9_02        Gene_Name        
  <chr>      <chr>       <chr>        <chr>            
1 CDS 1      "Index123"  gene pla     gene pla         
2 CDS 2      ""          gene dah     gene dah         
3 CDS 3      "gene blah" Location:456 gene blah        
4 CDS 4      "gene do"   gene rah     gene do, gene rah
5 CDS 5      "Index127"  Location893  NA