Question

如何比较不等长度的两个数据帧（测试和控制），并根据三个标准从测试中删除行，i）如果测试$ chr == control $ chr ii）测试$ start和测试$ end位于控制$ start和control $ end的范围内 iii）测试$ CNA和控制$ CNA是相同的。

    test = 
        R_level  logp   chr start   end     CNA    Gene
        2     7.079     11  1159    1360    gain   Recl,Bcl
        11    2.4       12  6335    6345    loss   Pekg
        3     19        13  7180    7229    loss   Sox1

control =

  R_level    logp   chr  start  end     CNA    Gene
        2     5.9     11  1100  1400    gain   Recl,Bcl 
        2     3.46    11  1002  1345    gain    Trp1
        2     6.4     12  6705  6845    gain    Pekg
        4     7       13  6480  8129    loss    Sox1

结果看起来应该是这样的

result =
     R_level     logp   chr start   end     CNA     Gene
          11      2.4    12  6335   6345    loss   Pekg

Answer 1

这是使用foverlaps()中的data.table的一种方式。

require(data.table) # v1.9.4+
dt1 <- as.data.table(test)
dt2 <- as.data.table(control)
setkey(dt2, chr, CNA, start, end)

olaps = foverlaps(dt1, dt2, nomatch=0L, which=TRUE, type="within")
#    xid yid
# 1:   1   2
# 2:   3   4

dt1[!olaps$xid]
#    R_level logp chr start  end  CNA Gene
# 1:      11  2.4  12  6335 6345 loss Pekg

阅读?foverlaps并查看示例部分以获取更多信息。

或者，您也可以使用GenomicRanges包。但是，您可能必须在重叠区域（AFAICT）合并后根据CNA进行过滤。

Answer 2

当您说“排除变量”时，我认为您的意思是要删除满足这些条件的行。

如果是这样，你几乎就在那里。以下应该有效：

exclude_bool <- data1[,3] == data2[,3] &
data1[,4] > data2[,5] &
data1[,5] < data2[,4] &
data1[,6] == data2[,6] 

data1 <- data1[!exclude_bool , ]

仅设置其间隔不属于另一个data.frame的行

2 个答案: