Question

如何通过基因名称比较两个数据集df1和df2，并从df2中提取每个基因名称的相应值并将其插入到df1

df1 <-

Genes    sample.ID  chrom   loc.start   loc.end num.mark
Klri2     LO.WGS      1   3010000 173490000     8430
Rrs1      LO.WGS      1   3010000 173490000     8430
Serpin    LO.WGS      1   3010000 173490000     8430
Myoc      LO.WGS          1   3010000 173490000     8430
St18      LO.WGS          1   3010000 173490000     8430


df2 <-

    RL  pValue.   chr   start            end    CNA     Genes
    2   2.594433   1    129740006   129780779   gain    Klri2   
    2   3.941399   1    130080653   130380997   gain    Serpin,St18,Myoc

df3<-

Genes   sample.ID  chrom  loc.start  loc.end num.mark   RL  pValue      CNA
Klri2    LO.WGS     1   3010000   173490000     8430    2   2.594433    gain
Rrs1     LO.WGS     1   3010000   173490000     8430    0     0          0
Serpin   LO.WGS     1   3010000   173490000     8430    2   3.941399    gain
Myoc     LO.WGS     1   3010000   173490000     8430    2   3.941399    gain
St18     LO.WGS     1   3010000   173490000     8430    2   3.941399    gain

Answer 1

你可以尝试：

library(splitstackshape)   
out <- cSplit(df2, "Genes", sep = ",", "long")

这将以正确的格式重塑df2（每个基因一行）：

#   RL  pValue. chr     start       end  CNA  Genes
#1:  2 2.594433   1 129740006 129780779 gain  Klri2
#2:  2 3.941399   1 130080653 130380997 gain Serpin
#3:  2 3.941399   1 130080653 130380997 gain   St18
#4:  2 3.941399   1 130080653 130380997 gain   Myoc

然后您只需使用merge()中的left_join()或dplyr：

library(dplyr)
df3 <- left_join(df1, out)

如果您想NA替换0，可以执行以下操作：

df3 <- left_join(df1, out) %>% mutate_each(funs(ifelse(is.na(.), 0, .)))

或者，如果您更喜欢子集：

df3 <- left_join(df1, out) %>% (function(x) { x[is.na(x)] <- 0; x })

Answer 2

这是一个合并操作，但首先你必须以正确的格式引入df2，每个基因将包含一行（而不是用逗号分隔的多个基因的单个条目）。从tidyr包unnest()

执行此操作有一个方便的功能

df2 <- tidyr::unnest(
         transform(df2, Genes = strsplit(as.character(df2$Genes), ",")),
         Genes)

结果如下所示

df2
#  RL  pValue. chr     start       end  CNA  Genes
#1  2 2.594433   1 129740006 129780779 gain  Klri2
#2  2 3.941399   1 130080653 130380997 gain Serpin
#3  2 3.941399   1 130080653 130380997 gain   St18
#4  2 3.941399   1 130080653 130380997 gain   Myoc

现在，您只需使用merge(df1, df2, all.x = TRUE)中的left_join或dplyr（或data.table等其他套餐，具体取决于您要学习的内容）。请注意，这会将NA引入您想要零的位置，但您可以轻松替换它们。

比较拆分和合并两个数据帧

2 个答案: