Question

我正在尝试自动化我通常在excel中完成的过程。此过程包括合并和比较不同的列。例如：

df1: 
sp|P07437|TBB5_HUMAN
sp|P10809|CH60_HUMAN
sp|P424|LPPRC_HUMAN
sp|P474|LRC_HUMAN

df2: 
sp|P07437|TBB5_HUMAN
sp|P10809|CH60_HUMAN
sp|P42704|LPPRC_HUMAN

df3: 
sp|P07437|TBB5_HUMAN
sp|P10788|CH70_HUMAN
sp|P42704|LPPRC_HUMAN

输出就是这样的：

sp|P07437|TBB5_HUMAN  | sp|P07437|TBB5_HUMAN | sp|P07437|TBB5_HUMAN
sp|P10809|CH60_HUMAN  | sp|P10809|CH60_HUMAN |
                      |                      | sp|P10788|CH70_HUMAN
sp|P424|LPPRC_HUMAN   |                      |
sp|P474|LRC_HUMAN     |                      |
                      | sp|P42704|LPPRC_HUMAN| sp|P42704|LPPRC_HUMAN

我试图使用函数compare或merge link，但我没有这个结果。你知道在这种情况下我可以使用的其他功能吗？

或多或少就像维恩图一样，这正是我在此之后所做的，以便检查一切都是好的。

这是一个可重复的例子：

df1 = data.frame(TEST1=c("sp|P07437|TBB5_HUMAN","sp|P10809|CH60_HUMAN", "sp|P424|LPPRC_HUMAN"))

df2 = data.frame(TEST2=c("sp|P07437|TBB5_HUMAN","sp|P10809|CH60_HUMAN","   sp|P42704|LPPRC_HUMAN"))

df3 = data.frame(TEST3=c("sp|P07437|TBB5_HUMAN","sp|P10788|CH70_HUMAN",     "sp|P42704|LPPRC_HUMAN"))

非常感谢你。

Answer 1

我正在使用稍微修改过的数据版本，避免在数据中使用factor。我还修剪了额外的空白区域，假设它在复制/粘贴时出错。

df1 = data.frame(TEST1=c("sp|P07437|TBB5_HUMAN","sp|P10809|CH60_HUMAN", "sp|P424|LPPRC_HUMAN"),
                 stringsAsFactors = FALSE)
df2 = data.frame(TEST2=c("sp|P07437|TBB5_HUMAN","sp|P10809|CH60_HUMAN","   sp|P42704|LPPRC_HUMAN"),
                 stringsAsFactors = FALSE)
df3 = data.frame(TEST3=c("sp|P07437|TBB5_HUMAN","sp|P10788|CH70_HUMAN",     "sp|P42704|LPPRC_HUMAN"),
                 stringsAsFactors = FALSE)

由于此类问题可以轻松扩展到包含多于data.frames的初始计数，我通常更喜欢使用 data.frames 列表，而不是显式data.frames，如果在一切皆有可能。

lst <- list(df1, df2, df3)

现在，这是获得所需结果的一种方法：

alltests <- unique(trimws(unlist(lst, recursive = TRUE)))
as.data.frame(
  setNames(lapply(lst, function(a) alltests[ match(alltests, a[,1]) ]),
           sapply(lst, names)),
  stringsAsFactors = FALSE
)
#                  TEST1                TEST2                TEST3
# 1 sp|P07437|TBB5_HUMAN sp|P07437|TBB5_HUMAN sp|P07437|TBB5_HUMAN
# 2 sp|P10809|CH60_HUMAN sp|P10809|CH60_HUMAN                 <NA>
# 3  sp|P424|LPPRC_HUMAN                 <NA>                 <NA>
# 4                 <NA>                 <NA>  sp|P424|LPPRC_HUMAN
# 5                 <NA>                 <NA> sp|P10809|CH60_HUMAN

这取决于（1）单列data.frames（尽管可以补救）; （2）唯一的列名。你建议的输出并不意味着任何形式，所以我选择不在这里做任何排序;使用alltests <- sort(unique(...))很容易，但请注意它是字母排序，不是基于子串的数字部分。

合并并比较不同文件中的不同列

1 个答案: