R中的循環匹配功能

我有兩個數據框，一個是參與疾病x的已知基因列表，另一個是陣列數據。甲只是兩個dataframes的例子有：R中的循環匹配功能

knownGene <- as.dataframe(geneID = c(gene1, gene2, gene3, gene5, gene5), chr = c(16,3,4,1,10)) 

arrayData <- as.dataframe(sampleID = c(xyz1,xyz1,xyz1,xyz2,xyz2,xyz2,xyz2), geneID = c(gene1, gene3, gene4, gene2, gene1, gene3, gene4, gene5)

陣列數據可以具有列出多次（例如多個樣品可具有在相同的基因變異）的基因。因此，做匹配

Matched<-arrayData[na.omit(match(knownGene$geneID, arrayData$geneID)),]

只會產生第一個匹配，例如每個基因最多隻能抽取一個樣本。如果我在一個循環中使用grep，我會得到很多基因，這些基因不在我的已知基因中，這是由於grep拉出包含x個字符的項。我的循環看起來像這樣

for (i in 1:length(knownGene$geneID)){ 
    x<-arrayData[grep(knownGene[i,2],arrayData$geneID),] 
    df<-rbind(df,x) 
}

有要麼使用匹配這樣的一個循環（我所有的努力迄今未能），任何方式。或者能夠在循環中精確地確定術語，我知道如果提供字符串，您可以使用精確的術語。

來源

2015-02-05 George

我的第一個想法是，只是以另一種方式進行比賽可能會有效，但你想要做的事情對我來說並不是很清楚。你能提供一個小例子數據集（可能使用dput）和期望的輸出嗎？ – Aaron

我想你想：

arrayData[arrayData$geneID %in% knownGene$geneID,]

如果你想要做的事的grep，你可以更換此：

grep(knownGene[i,2],arrayData$geneID)

與此：

grep(paste0('^',knownGene[i,2],'$'),arrayData$geneID)

自^和$分別匹配字符串的開始和結束，分別爲

來源

2015-02-05 02:40:26 Jthorpe

R中的循環匹配功能

回答

相關問題