使用列值筛选行作为另一个数据集的条件

Posted 2021-04-01

这非常棘手。比方说，我有一个第一个数据集df：

sample   id                  name
1        ID200,ID300,ID299   first
2        ID2,ID123           second
3        ID90                third

第二个数据集df_1：

ids       condition
ID200        y
ID300        n
ID299        n
ID2          y
ID123        y
ID90         n

我必须从第一个数据集中过滤掉所有ID值满足第二个表中条件的所有行，如y。所以这个例子中的过滤应该给出：

 sample   id                  name
 2        ID2,ID123           second

我在考虑使用类似的东西：

new_df = df %>%
  filter(grepl('ID', id), df_1$condition == 'y')

但显然我需要一些不同的东西，你能给我一些线索吗？

编辑：正如我在评论中所说，如果我的df的id列填充了其他文本，会发生什么？

sample   id                                         name
1              ID = ID200,ID300,ID299,abcd          first
2              ID = ID2,ID123, dfg                  second
3              ID = ID90, text                      third

答案

也许有点不优雅，但这会给你每个样本的最终条件状态。

library(tidyverse)

df <- tibble(sample = c(1, 2, 3),
             id = c("ID200,ID300,ID299", "ID2,ID123", "ID90"),
             name = c("first", "second", "third"))

df_1 <- tibble(ids = c("ID200", "ID300", "ID299", "ID2", "ID123", "ID90"),
               condition = c("y", "n", "n", "y", "y", "n"))

df2 <- df %>%
  mutate(ids = str_split(id, ",")) %>%
  unnest() %>%
  inner_join(df_1, by = "ids") %>%
  group_by(sample) %>%
  summarise(condition = min(condition))

然后，您可以将其连接到原始数据框以进行过滤。

filtered <- inner_join(df, df2, by = "sample") %>%
  filter(condition == "y")

另一答案

我首先整理df，因为id每行包含一个观察：

library(tidyr)
library(dplyr)

df %>% 
  separate_rows(id)

  sample    id   name
1      1 ID200  first
2      1 ID300  first
3      1 ID299  first
4      2   ID2 second
5      2 ID123 second
6      3  ID90  third

相同的操作，然后与df_1连接：

df %>% 
  separate_rows(id) %>% 
  left_join(df_1, by = c("id" = "ids"))

  sample    id   name condition
1      1 ID200  first         y
2      1 ID300  first         n
3      1 ID299  first         n
4      2   ID2 second         y
5      2 ID123 second         y
6      3  ID90  third         n

现在你可以对sample进行分组并筛选出唯一条件为“y”的情况：

new_df <- df %>% 
  separate_rows(id) %>% 
  left_join(df_1, by = c("id" = "ids")) %>% 
  group_by(sample) %>% 
  filter(condition == "y", 
         n_distinct(condition) == 1) %>% 
  ungroup()

结果：

  sample id    name   condition
   <int> <chr> <chr>  <chr>    
1      2 ID2   second y        
2      2 ID123 second y

如果您真的想要在列中使用逗号分隔的ID转换回原始格式：

library(purrr)
new_df %>% 
  nest(id) %>% 
  mutate(newid = map_chr(data, ~paste(.$id, collapse = ","))) %>% 
  select(sample, id = newid, name)

  sample id        name  
   <int> <chr>     <chr> 
1      2 ID2,ID123 second