代码之家 › 专栏 › 技术社区 › user3115933

如何基于现有数据帧的某一列中使用的特定单词创建新的数据帧?[副本]

tm sentiment-analysis dataframe r

user3115933 · 技术社区 · 6 年前

我有一个371MB的文本文件,包含microRNA数据。本质上,我只想选择那些有人类microRNA信息的行。

我用read.table读入了文件。通常,如果sqldf有“like”语法(从miRNA喜欢“hsa”的<gt;where miRNA中选择“*”),我会用它实现我想要的。不幸的是-sqldf不支持该语法。

我怎么能在R里这么做?我看过stackoverflow,没有看到 如何进行部分字符串匹配 . 我甚至安装了stringr包-但它没有我需要的东西。

* 被选中。

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

当然,这是不正确的语法。

有人能帮我一下吗?非常感谢你的阅读。

阿斯达

0 回复 | 直到 11 年前

136

A5C1D2H2I1M1N2O1R2T1 7 年前

我注意到你提到了一个函数 %like% 以你目前的方式。我不知道这是不是指 %喜欢%

注意,对象不必是 data.table (但也要记住 data.frame s和 数据表

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

如果这就是你所拥有的,那么也许你只是混淆了行和列的位置来设置数据。

如果不想加载包,可以尝试使用 grep() 搜索匹配的字符串。这里有一个例子 mtcars

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

还有,另一个例子,使用 iris 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

对于您的问题,请尝试:

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

mtoto 9 年前

str_detect() 从 stringr 包,它检测字符串中是否存在模式。

下面是一个方法,它还包含 %>% 管道和 filter() dplyr 包裹:

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
...

这将过滤处理变量包含子字符串“non”的行的样本CO2数据集(随R一起提供)。你可以调整 str_detect 查找固定匹配项或使用正则表达式-请参阅stringr包的文档。

Sam Firke 9 年前

LIKE

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