选择列具有类似'hsa ..'的字符串的行(部分字符串匹配)

Question

我有一个包含micro RNA数据的371MB文本文件.基本上,我只想选择那些有人类microRNA信息的行.

我已经使用read.table读取了该文件.通常,我会用sqldf完成我想要的 - 如果它有'like'语法(select*from <>其中miRNA就像'hsa').不幸的是 - sqldf不支持该语法.

我怎么能在R中这样做？我查看了stackoverflow并没有看到如何进行部分字符串匹配的示例.我甚至安装了stringr包 - 但它并不完全符合我的需要.

我想做的是这样的 - 所有选择hsa- *的行.

selectedRows <- conservedData[, conservedData$miRNA %like% "hsa-"]

当然,这是不正确的语法.

有人可以帮我这个吗？非常感谢阅读.

阿斯达

Answer 1

我注意到你%like%在当前的方法中提到了一个函数.我不知道这是否是对%like%"data.table" 的引用,但如果是,你肯定可以按如下方式使用它.

请注意,对象不必是a data.table(但也要记住data.frames和data.tables的子集方法不相同):

library(data.table)
mtcars[rownames(mtcars) %like% "Merc", ]
iris[iris$Species %like% "osa", ]

如果这就是你所拥有的,那么也许你只是混合了行和列位置来分组数据.

如果您不想加载包,可以尝试使用grep()搜索匹配的字符串.以下是mtcars数据集的示例,其中我们匹配行名称包含"Merc"的所有行:

mtcars[grep("Merc", rownames(mtcars)), ]
             mpg cyl  disp  hp drat   wt qsec vs am gear carb
# Merc 240D   24.4   4 146.7  62 3.69 3.19 20.0  1  0    4    2
# Merc 230    22.8   4 140.8  95 3.92 3.15 22.9  1  0    4    2
# Merc 280    19.2   6 167.6 123 3.92 3.44 18.3  1  0    4    4
# Merc 280C   17.8   6 167.6 123 3.92 3.44 18.9  1  0    4    4
# Merc 450SE  16.4   8 275.8 180 3.07 4.07 17.4  0  0    3    3
# Merc 450SL  17.3   8 275.8 180 3.07 3.73 17.6  0  0    3    3
# Merc 450SLC 15.2   8 275.8 180 3.07 3.78 18.0  0  0    3    3

另一个例子,使用iris搜索字符串的数据集osa:

irisSubset <- iris[grep("osa", iris$Species), ]
head(irisSubset)
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1          5.1         3.5          1.4         0.2  setosa
# 2          4.9         3.0          1.4         0.2  setosa
# 3          4.7         3.2          1.3         0.2  setosa
# 4          4.6         3.1          1.5         0.2  setosa
# 5          5.0         3.6          1.4         0.2  setosa
# 6          5.4         3.9          1.7         0.4  setosa

对于你的问题尝试:

selectedRows <- conservedData[grep("hsa-", conservedData$miRNA), ]

Answer 2

尝试str_detect()使用stringr包,它检测字符串中是否存在模式.

下面是还采用了一种方法%>%管和filter()从dplyr包:

library(stringr)
library(dplyr)

CO2 %>%
  filter(str_detect(Treatment, "non"))

   Plant        Type  Treatment conc uptake
1    Qn1      Quebec nonchilled   95   16.0
2    Qn1      Quebec nonchilled  175   30.4
3    Qn1      Quebec nonchilled  250   34.8
4    Qn1      Quebec nonchilled  350   37.2
5    Qn1      Quebec nonchilled  500   35.3
...

对过滤变量包含子串"非"的行过滤样本CO2数据集(R附带).您可以调整是否str_detect找到固定匹配或使用正则表达式 - 请参阅stringr包的文档.

Answer 3

LIKE 应该在sqlite中工作:

require(sqldf)
df <- data.frame(name = c('bob','robert','peter'),id=c(1,2,3))
sqldf("select * from df where name LIKE '%er%'")
    name id
1 robert  2
2  peter  3

Answer 4

另一种选择是简单地使用grepl函数：

df[grepl('er', df$name), ]
CO2[grepl('non', CO2$Treatment), ]

df <- data.frame(name = c('bob','robert','peter'),
                 id = c(1,2,3)
                 )

# name id
# 2 robert  2
# 3  peter  3