R замена слов в столбце на аннотацию - PullRequest
Новая
       7

R замена слов в столбце на аннотацию

2 голосов
/ 15 февраля 2020

У меня есть фрейм данных с идентификаторами генов в 1 столбце (data1). В другом фрейме данных у меня есть соответствующие имена генов (data2). Data1 также содержит ячейки с несколькими генами, разделенными символом «:», а также множество NA. Предпочтительно я хочу добавить столбец data1 с соответствующими именами генов, также разделенными символом «:», если их несколько. Альтернативой было бы заменить все имена генов в data1 соответствующими именами генов. Есть идеи как go об этом? Спасибо! 

a <- c("ENSG00000150401:ENSG00000150403", "ENSG00000185294", "NA")
data1 <- data.frame(a)


b <- c("ENSG00000150401", "ENSG00000150403", "ENSG00000185294")
c <- c("GeneA", "GeneB", "GeneC")
data2 <- data.frame(b,c)

Ответы [ 3 ]

3 голосов
/ 15 февраля 2020

Один вариант, включающий stringr, может быть: 

data1$res <- str_replace_all(data1$a, setNames(data2$c, data2$b))

                                a         res
1 ENSG00000150401:ENSG00000150403 GeneA:GeneB
2                 ENSG00000185294       GeneC
3                              NA          NA
0 голосов
/ 15 февраля 2020

Вот еще один вариант с gsubfn

library(gsubfn)
data1$res <- gsubfn("\\w+", setNames(as.list(as.character(data2$c)), 
             data2$b), as.character(data1$a))
data1
#                                a         res
#1 ENSG00000150401:ENSG00000150403 GeneA:GeneB
#2                 ENSG00000185294       GeneC
#3                              NA          NA

В base R, это также можно сделать, разделив столбец 'a' на strsplit и затем сопоставив его с именованный вектор, созданный из столбцов 'b', 'c' второго набора данных 

is.na(data1$a) <- data1$a == "NA" # converting to real NA instead of character
i1 <- !is.na(data1$a)
# create named vector
v1 <- setNames(as.character(data2$c), data2$b)
data1$res[i1] <- sapply(strsplit(as.character(data1$a[i1]), ":"), 
           function(x) paste(v1[x], collapse=":"))
0 голосов
/ 15 февраля 2020

Мы можем получить data1 в длинном формате, left_join data2 и вставить значения вместе. 

library(dplyr)

data1 %>%
  mutate(row = row_number()) %>%
  tidyr::separate_rows(a, sep = ":") %>%
  left_join(data2, by = c('a' = 'b')) %>%
  group_by(row) %>%
  summarise(a = paste0(a, collapse = ":"), 
            c = paste0(c, collapse = ":")) %>%
  select(-row)

#  a                               c          
#  <chr>                           <chr>      
#1 ENSG00000150401:ENSG00000150403 GeneA:GeneB
#2 ENSG00000185294                 GeneC      
#3 NA                              NA
...