Question

我有一个数据集，该数据集包含一个包含由4个字母（A，T，C，G）组成的字符串的列；这些字符串的长度范围是2-1991个字符。我想对所有与特定模式匹配的行进行子集化。例如，我想创建一个新的数据框，该数据框将第17列中连续Ts为0-10的所有行作为子集。

如果您需要其他信息，请告诉我，谢谢您的宝贵时间！

Answer 1

您可以过滤出找到11个连续T的所有行，其中包括具有11个连续T的行以及具有更多T的行。

## Example vector
v = c("TTTTTTTTTTACAGATAT","TTTACACAC","TTTTTTTTTTTTTACAGAT","TTTTTTTTTTTACAG")
v[!grepl("T{11}",v)]
[1] "TTTTTTTTTTACAGATAT" "TTTACACAC"

编辑以包括您要查找11-20个连续Ts的情况

如果要选择11到20 Ts之间的行，可以使用负向后看和负向前行来搜索11到20 Ts之间的延伸，该延伸既不在T之前也不在其后。 / p>

## Second example vector:
v2 = c("TTTTTTTTTTACAGATAT","TTTACACAC","TTTTTTTTTTTTTACAGAT","TTTTTTTTTTTACAG","ACTTTTTTTTTTTTTTTTTTTTTGCGCA")

v2[grepl("(?<!T)T{11,20}(?!T)",v2,perl=T)]
[1] "TTTTTTTTTTTTTACAGAT" "TTTTTTTTTTTACAG"

在R中使用字符串长度的模式和范围的字符串子集

1 个答案: