Question

我有一个数据框A，其中包含2列-字符串和代码：

String             Code
Bacteria.111       abc1
Bacteria.111       abc2
Bacteria.111       abc3
Archaea.153        gmt1
Archaea.153        gmt2

我还有另一个数据框B，其中包含上面细菌/古细菌后面的数字应该是什么代码的列表：

Number             Code
111                abc2
153                gmt1

我想做的是从数据框A中删除细菌/古细菌后编号不正确的行。所以由此产生的数据框应为：

String             Code
Bacteria.111       abc2
Archaea.153        gmt1

我尝试使用％in％，但这使用完全匹配，因此没有匹配项。我所需要的是匹配数字，该数字始终位于字符串的末尾，并且始终跟随一个句点。我对如何做到这一点迷失了。

Answer 1

粘贴列时可以使用%in%，并使用sub删除.之前的所有内容。

A[paste(sub(".*\\.", "", A$String), A$Code) %in% paste(B$Number, B$Code),]
#        String Code
#2 Bacteria.111 abc2
#4  Archaea.153 gmt1

Answer 2

尝试一下：

A <- A %>%
  mutate(
    Number = as.integer(stringr::str_sub(String, start = stringi::stri_locate_last_fixed(String, ".")[,2] + 1)) # get the code
  ) %>% 
  left_join(B %>% rename(Code2 = Code), by = "Number") %>% # join data frames
  filter(Code == Code2) %>% # compare and filter
  select(-Number, -Code2)

根据与另一个数据框的（唯一）部分匹配，从数据框中删除行

2 个答案: