我有两个数据帧(df1和df2),这里是df1:
SAMPLE NAMES
1_a
1_b
1_c
2_a
2_b
3_a
4_a
4_b
这是 df2:
ID GROUP
1 X
2 X
3 Y
4 Z
这就是我想做的 - 我想向 df1 添加一个新列,该列将根据与 df2 的 ID 列的部分匹配来指示样本的组。因此,来自 df1 的样本 "2_a" 和 "2_b" 应与 df2 中的 "2" 具有相同的组。
期望输出:
SAMPLE NAMES GROUP
1_a X
1_b X
1_c X
2_a X
2_b X
3_a Y
4_a Z
4_b Z
到目前为止,我已经尝试使用字符串包并编写一个 for 循环:
for (i in df1[, 1]){
for (j in df2$ID){
x <- which(str_detect(i,j))
class <- df2[j,1]
df1$group[i] <- class
}
}
但它一直给我错误:
使用方法("类型")中的错误: 没有适用于"type"的方法应用于类"c('整数', 'numeric')"的对象
我做错了什么?另外,有没有办法使用 apply() 函数而不是循环来做到这一点?
这是一个tidyverse
选项
library(tidyverse)
df1 %>%
separate(., col = SAMPLE.NAMES, into = c('SAMPLE', 'NAMES'), sep = "_", convert = TRUE) %>%
left_join(df2, by = c('SAMPLE' = 'ID')) %>%
unite(., col = SAMPLE.NAMES, SAMPLE, NAMES)
# SAMPLE.NAMES GROUP
#1 1_a X
#2 1_b X
#3 1_c X
#4 2_a X
#5 2_b X
#6 3_a Y
#7 4_a Z
#8 4_b Z
我们首先separate
"样本"列。NAMES"df1
成两个,这样我们就可以通过"SAMPLE"和"ID"与df2
left_join
df1
。在最后一行中,我们将"SAMPLE"和"NAME"列unite
回"SAMPLE"。名字'。
数据
df1 <- structure(list(SAMPLE.NAMES = structure(1:8, .Label = c("1_a",
"1_b", "1_c", "2_a", "2_b", "3_a", "4_a", "4_b"), class = "factor")), .Names = "SAMPLE.NAMES", class = "data.frame", row.names = c(NA,
-8L))
df2 <- structure(list(ID = 1:4, GROUP = structure(c(1L, 1L, 2L, 3L), .Label = c("X",
"Y", "Z"), class = "factor")), .Names = c("ID", "GROUP"), class = "data.frame", row.names = c(NA,
-4L))
你的for循环不起作用的主要原因是str_detect()
只接受字符串作为输入,但你试图在df2
的ID列上使用它,这是一个数字向量。for循环还有其他问题:特别是,您定义了一个对象x
该对象之后从未实际使用过,因此您的代码不会使用str_detect()
选择所需的元素。
如果您想要更多stringr
解决方案,这是另一种选择。它既不使用for循环也不使用apply()
(至少不是直接使用)。
它的工作原理是使用正则表达式仅从"SAMPLE.NAMES"列,将每个样本链接到其数字 ID。 之后,我们只需将数据帧连接在一起并选择所需的列:
# Example dataframes
df1 <- tibble(SAMPLE.NAMES = c("1_a", "1_b", "1_c", "2_a", "2_b", "3_a", "4_a", "4_b"))
df2 <- tibble(ID = c(1,2,3,4),
GROUP = c("X", "X", "Y", "Z"))
df1 <- mutate(df1, ID = as.numeric(str_replace_all(SAMPLE.NAMES, "_[abc]", ""))) %>%
left_join(df2) %>%
select(-ID)
# Output:
# A tibble: 8 x 2
SAMPLE.NAMES GROUP
<chr> <chr>
1 1_a X
2 1_b X
3 1_c X
4 2_a X
5 2_b X
6 3_a Y
7 4_a Z
8 4_b Z
只需合并下划线之前的字符串部分:
> df1$ID <- sub("_.+$","",df1$SAMPLENAMES)
> df1
SAMPLENAMES ID
1 1_a 1
2 1_b 1
3 1_c 1
4 2_a 2
5 2_b 2
6 3_a 3
7 4_a 4
8 4_b 4
> merge(df1,df2, by="ID")
ID SAMPLENAMES GROUP
1 1 1_a X
2 1 1_b X
3 1 1_c X
4 2 2_a X
5 2 2_b X
6 3 3_a Y
7 4 4_a Z
8 4 4_b Z