在R

Question

我正在尝试使用grepl来标记我在遗传数据集中可能感兴趣的一些数据。

数据的示例如下所示

test <- c("AAT,TAA,TGA,A,G", "A,AAT,AAAT,AATAAT", "CA,CAA,CAAA")
pattern <- c("TAA", "G", "CAA")
df <- data.frame(test, pattern)

我要做的是创建第三列，比如说result，评估pattern列中的值是否在test列中。

我试过了：

df.result <- df %>% mutate(result = grepl(pattern, test))

但出于某种原因，我在TRUE, TRUE, FALSE列中得到了result，这不是我所期待的 - 我希望得到TRUE, FALSE, TRUE结果。

我已经玩过在每个字段的末尾添加一个逗号之类的东西，但这似乎也没有用。

感谢任何帮助！

谢谢， 史蒂夫

Answer 1

使用apply()功能：

df$result <- apply(df, 1, FUN=function(x) grepl(x[2], x[1])

df
#                test pattern result
# 1   AAT,TAA,TGA,A,G     TAA   TRUE
# 2 A,AAT,AAAT,AATAAT       G  FALSE
# 3       CA,CAA,CAAA     CAA   TRUE

apply函数分别遍历df的每一行，每行提供grepl信息。 grepl无法处理模式参数中包含三个元素的向量。帮助页面说：

  

如果提供长度为2或更大的字符向量[作为模式]，则第一个元素将用于警告。

因此，原始命令grepl(df$pattern, df$test)将pattern（TAA）中的第一个元素与test中的整个向量进行了比较。

Answer 2

这可以通过mapply

完成

df$result <- mapply(grepl, df$pattern, df$test)
df$result
#[1]  TRUE FALSE  TRUE

Answer 3

stringi包提供字符串匹配函数，这些函数在字符串和模式上进行矢量化;

library(stringi)
df %>% mutate(result = stri_detect_regex(test,  pattern))

是原始问题的一个答案。关于避免子串匹配问题的答案是

df %>% mutate(result = stri_detect_regex(test, stri_join('(^|,)', pattern, '(,|$)')))