根据另一个数据框/列表对数据框中的列进行子集化
Posted
技术标签:
【中文标题】根据另一个数据框/列表对数据框中的列进行子集化【英文标题】：subset a column in data frame based on another data frame/list 【发布时间】：2016-12-15 11:50:16 【问题描述】：我有以下table1，这是一个由 6 列和 8083 行组成的数据框。下面我展示了这个table1的头部：
|gene ID | prom_65| prom_66| amast_69| amast_70| p_value|
|:--------------|---------:|---------:|---------:|---------:|---------:|
|LdBPK_321470.1 | 24.7361| 25.2550| 31.2974| 45.4209| 0.2997430|
|LdBPK_251900.1 | 107.3580| 112.9870| 77.4182| 86.3211| 0.0367792|
|LdBPK_331430.1 | 72.0639| 86.1486| 68.5747| 77.8383| 0.2469355|
|LdBPK_100640.1 | 43.8766| 53.4004| 34.0255| 38.4038| 0.1299948|
|LdBPK_330360.1 | 2382.8700| 1871.9300| 2013.4200| 2482.0600| 0.8466225|
|LdBPK_090870.1 | 49.6488| 53.7134| 59.1175| 66.0931| 0.0843242|
我有另一个数据框，称为accessions40，它是一个包含 510 个基因 ID 的列表。它是table1 第一列的子集，即它的所有值（510）都包含在table1（8083）的第一列中。 accessions40的头部如下图所示：
|V1 |
|:--------------|
|LdBPK_330360.1 |
|LdBPK_283000.1 |
|LdBPK_360210.1 |
|LdBPK_261550.1 |
|LdBPK_367320.1 |
|LdBPK_361420.1 |
我想要做的是以下内容：我想生成一个新的table2，它在第一列（基因 ID）下仅包含 accessions40 中存在的值以及来自 @ 的其他五列中的相应值987654331@。换句话说，我想根据accessions40 的值对table1 的第一列进行子集化。
【问题讨论】：
【参考方案1】：我们可以使用%in% 得到一个逻辑向量，并在此基础上使用subset 'table1' 的行。
subset(table1, gene_ID %in% accessions40$V1)
更好的选择是data.table
library(data.table)
setDT(table1)[gene_ID %chin% accessions40$V1]
或者从dplyr使用filter
library(dplyr)
table1 %>%
filter(gene_ID %in% accessions40$V1)
【讨论】：
如何过滤gene_ID中不在accession40$V1中的值？ @RanonKahn 使用否定（! 即setDT(table)[!gene_ID %chin% accessions40$V1]
我在错误的地方使用了否定符号并遇到了错误。谢谢！
虽然晚了，但很高兴收到您的来信。我有同样的问题，我使用了这个子集代码，但它给出了一个空的输出文件，其中只有第一个（原始）文件中的列名，在这篇文章中称为“table1”。你能帮我解决这个问题吗？
@Mary 请考虑以可重复的示例作为新问题发布【参考方案2】：
有很多方法可以做到这一点。在table1 中找到gene_ID，它们存在于accession40 的V1 列中
table1[table1$gene_ID %in% accessions40$V1, ]
或者你也可以使用match
table1[match(accessions40$V1, table1$gene_ID), ]
【讨论】：
以上是关于根据另一个数据框/列表对数据框中的列进行子集化的主要内容，如果未能解决你的问题，请参考以下文章