将A列中的任何值与B列中的任意值进行比较

Question

我想比较两列：

A列：

IGHV3-21*02,IGHV3-30-5*04    
IGHV3-30*18,IGHV3-30-5*01    
IGHV5-51*01    
IGHV5-76*01

B列：

IGHV3-21*02  
IGHV3-30*18    
IGHV5-51*01
IGHV6-51*01

如果A列中的任何项目与B列的任何项目匹配，则匹配(反之亦然(

预期输出应为：

列匹配：

TRUE  
TRUE  
TRUE  
FALSE  

在R中，最简单的方法可能是：

df$columnA %in% df$columnB  

但这并没有考虑到给定位置的两个项目，并且将返回：

FALSE  
FALSE  
TRUE  
FALSE  

知道如何在%中使用逗号分隔的单词吗？

Answer 1

这行吗：

library(dplyr)
library(tidyr)
library(stringr)
df %>% mutate(id = row_number()) %>% 
separate_rows(columnA, sep = ',') %>% 
mutate(match = columnA == columnB) %>% 
group_by(id) %>% mutate(columnA = toString(columnA)) %>% 
mutate(match = if_else(any(match == TRUE), TRUE, FALSE)) %>% 
distinct() %>% ungroup() %>% select(-id)
# A tibble: 4 x 3
columnA                    columnB     match
<chr>                      <chr>       <lgl>
1 IGHV3-21*02, IGHV3-30-5*04 IGHV3-21*02 TRUE 
2 IGHV3-30*18, IGHV3-30-5*01 IGHV3-30*18 TRUE 
3 IGHV5-51*01                IGHV5-51*01 TRUE 
4 IGHV5-76*01                IGHV6-51*01 FALSE

使用的数据：

df
columnA     columnB
1 IGHV3-21*02,IGHV3-30-5*04 IGHV3-21*02
2 IGHV3-30*18,IGHV3-30-5*01 IGHV3-30*18
3               IGHV5-51*01 IGHV5-51*01
4               IGHV5-76*01 IGHV6-51*01

Answer 2

也许这会很有用：

library(tidyverse)
#Code
newdf <- df1 %>% mutate(id=row_number()) %>%
separate_rows(V1,sep=',') %>% left_join(df2 %>% mutate(Match=T)) %>%
group_by(id) %>%
mutate(Val=ifelse(any(Match & !is.na(Match)),T,F)) %>%
select(-Match) %>%
summarise(V1=paste0(V1,collapse = ','),
Val=sum(Val)) %>%
mutate(Val=ifelse(Val>0,T,F)) %>%
ungroup() %>% select(-id)

输出：

# A tibble: 4 x 2
V1                        Val  
<chr>                     <lgl>
1 IGHV3-21*02,IGHV3-30-5*04 TRUE 
2 IGHV3-30*18,IGHV3-30-5*01 TRUE 
3 IGHV5-51*01               TRUE 
4 IGHV5-76*01               FALSE

使用的一些数据：

#Data1
df1 <- structure(list(V1 = c("IGHV3-21*02,IGHV3-30-5*04", "IGHV3-30*18,IGHV3-30-5*01", 
"IGHV5-51*01", "IGHV5-76*01")), class = "data.frame", row.names = c(NA, 
-4L))
#Data2
df2 <- structure(list(V1 = c("IGHV3-21*02", "IGHV3-30*18", "IGHV5-51*01", 
"IGHV6-51*01")), class = "data.frame", row.names = c(NA, -4L))

Answer 3

看看base::charmatch。下面是一个简单的函数包装器

`%pin%` <- function(x, y) {
out <- logical(length(x))
p <- unique(charmatch(y, x, 0L))
out[p[p > 0L]] <- TRUE
out
}

数据

x <- c("IGHV3-21*02,IGHV3-30-5*04",
"IGHV3-30*18,IGHV3-30-5*01",
"IGHV5-51*01",
"IGHV5-76*01")
y <- c(
"IGHV3-21*02",  
"IGHV3-30*18",
"IGHV5-51*01",
"IGHV6-51*01"
)

使用

> x %pin% y
[1]  TRUE  TRUE  TRUE FALSE

Answer 4

您可以使用tidyr将带逗号的行分解为不同的行：

df1 <- df %>% separate_rows(columnA,sep=",")