Question

我有几行数据（标签分隔）。我想在每行中找到与两列（第3和第4）的元素匹配的行，其中包含两列（第10和第11列）。例如，在第1行，95428891＆amp; 95443771在第3列＆amp; 4 匹配列10＆amp;中的元素11 第19行。同样，倒数也是如此。 第3列和第3列中的元素第19行中的 也匹配列10＆amp;中的元素11 第1行。我需要能够遍历每一行并输出相应匹配的行索引。有时可能只有一列匹配而不是两者（因为有时会有重复的数字），但我只需要选择两列匹配的行以及相互匹配的行。因此，在存在相互匹配的情况下输出行索引是个好主意，例如， 1＆amp; 19 作为制表符分隔值（可能在不同的data.frame对象中）。并且没有相互匹配的行可以单独输出。我试图在R中实现它来运行几行数据。

1313    chr2    95428891    95443771    14880   chr2:96036782   205673  +   chr2    96036782    96052481
1313    chr2    95428896    95443771    14875   chr2:97111880   205214  -   chr2    97111880    97127588
1313    chr2    95443771    95526464    82693   chr2:95609272   1748861 -   chr2    95609272    95691902
1313    chr2    95477143    95486318    9175    chr2:97616847   177391  +   chr2    97616847    97626039
1313    chr2    95486323    95521267    34944   chr2:97035158   268351  +   chr2    97035158    97070183
1313    chr2    95515418    95525958    10540   chr2:95563236   132439  +   chr2    95563236    95572666
1314    chr2    95563236    95572666    9430    chr2:95515418   132439  +   chr2    95515418    95525958
1314    chr2    95563236    95572666    9430    chr2:95609778   126017  -   chr2    95609778    95620287
1314    chr2    95563236    95569115    5879    chr2:97064308   89848   +   chr2    97064308    97070183
164     chr2    95609272    95691902    82630   chr2:95443771   1748861 -   chr2    95443771    95526464
1314    chr2    95609778    95620287    10509   chr2:95563236   126017  -   chr2    95563236    95572666
1314    chr2    95614473    95649363    34890   chr2:97035158   394821  -   chr2    97035158    97070173
1314    chr2    95649368    95658543    9175    chr2:97616847   177822  -   chr2    97616847    97626039
164     chr2    95775062    95814080    39018   chr2:97578938   0       -   chr2    97578938    97616780
1315    chr2    95778788    95781856    3068    chr2:97609982   31302   -   chr2    97609982    97616788
164     chr2    95780657    95829665    49008   chr2:96053880   882178  -   chr2    96053880    96102738
1316    chr2    95829982    95865446    35464   chr2:97296848   242680  -   chr2    97296848    97333087
1316    chr2    95829982    95935104    105122  chr2:97438085   1169669 +   chr2    97438085    97544431
1317    chr2    96036782    96052481    15699   chr2:95428891   205673  +   chr2    95428891    95443771

Answer 1

DWin的答案是可靠的，但是对于大型数组，通常超过50k左右，你会遇到内存问题，因为你正在创建的矩阵是巨大的。

我会做类似的事情：

match(
  interaction( indat$V3, indat$V10),
  interaction( indat$V4, indat$V11)
);

将所有感兴趣的值连接到因子中并进行匹配。

这是一种不太纯粹的解决方案，但更快/更易于管理。

Answer 2

你没有说出你认为正确的答案是什么，当你谈到“哪里有互惠匹配”时你的术语似乎有点模糊，但是如果我正确地理解了任务，那么找到col.3 =的所有行= col.10＆amp; col.4 == col.11，那么这应该完成任务：

which( outer(indat$V4, indat$V11, "==") & 
       outer(indat$V3, indat$V10, "=="), 
       arr.ind=TRUE)
# result
      row col
 [1,]  19   1
 [2,]  10   3
 [3,]   7   6
 [4,]   8   6
 [5,]   6   7
 [6,]  11   8
 [7,]   3  10
 [8,]   7  11
 [9,]   8  11
[10,]   1  19

外部函数将函数'FUN'（在本例中为“==”）应用于x和y的所有双向组合，即它的第一个和第二个参数，所以这里我们得到一个带有逻辑条目的nxn矩阵我正在采用两个这样的矩阵的逻辑'和'。因此，与其他行匹配的行是：

unique( c(which( outer(indat$V4, indat$V11, "==") & 
outer(indat$V3, indat$V10, "=="), 
arr.ind=TRUE) ))

#[1] 19 10  7  8  6 11  3  1

所以带有 no 的集合匹配，假设一个名为indat的data.frame是：

matches <- unique( c(which( outer(indat$V4, indat$V11, "==") & 
                      outer(indat$V3, indat$V10, "=="), arr.ind=TRUE) ))
indat[ ! 1:NROW(indat) %in% matches, ]

匹配的是：

indat[ 1:NROW(indat) %in% matches, ]

Answer 3

以下函数compare利用R的快速排序功能。函数参数a和b是矩阵; a中的行是b中匹配任意数量列的行的screend。如果列顺序无关紧要，请设置row_order=TRUE以使行条目按递增顺序排序。猜测该函数应该适用于数据框和字符/因子列，以及a和/或b中的重复条目。尽管使用for＆amp; while b为a的每一行返回第一行匹配的速度相对较快（如果未找到匹配，则为0。）

compare<-function(a,b,row_order=TRUE){

    len1<-dim(a)[1]
    len2<-dim(b)[1]
    if(row_order){
        a<-t(apply(t(a), 2, sort))
        b<-t(apply(t(b), 2, sort))
    }
    ord1<-do.call(order, as.data.frame(a))
    ord2<-do.call(order, as.data.frame(b))
    a<-a[ord1,]
    b<-b[ord2,] 
    found<-rep(0,len1)  
    dims<-dim(a)[2]
    do_dims<-c(1:dim(a)[2])
    at<-1
    for(i in 1:len1){
        for(m in do_dims){
            while(b[at,m]<a[i,m]){
                at<-(at+1)      
                if(at>len2){break}              
            }
            if(at>len2){break}
            if(b[at,m]>a[i,m]){break}
            if(m==dims){found[i]<-at}
        }
        if(at>len2){break}
    }
    return(found[order(ord1)]) # indicates the first match of a found in b and zero otherwise

}


# example data sets:
a <- matrix(sample.int(1E4,size = 1E4, replace = T), ncol = 4)
b <- matrix(sample.int(1E4,size = 1E4, replace = T), ncol = 4)
b <- rbind(a,b) # example of b containing a


# run the function
found<-compare(a,b,row_order=TRUE)
# check
all(found>0) 
# rows in a not contained in b (none in this example):
a[found==0,]

将两列与另外两列匹配

3 个答案: