在 R 中的整个 data.frame 中查找子字符串/用新值替换完整字符串

Question

我有一个包含很多列的大型数据框。对于这些列的子集，我想匹配一个子字符串并替换

两列子集的示例如下所示：

df <- data.frame(list(A=c("0/0:52,0:52:High_Confidence:99:0","0/0:2,0:2:Low_Confidence:3:0,3,45,1858","0/0:52,0:52:High_Confidence:99:0,135,1858","0/0:9,0:9:Low_coverage_High_quality:21:0,21,291"), B=c("0/0:5,0:5:Low_Confidence:15:0,15,194","0/0:21,0:21:High_Confidence:51:0,51,675","0/0:1,0:1:Low_Confidence:3:0,3,39","0/0:17,0:17:High_Confidence:48:0,48,609")))

我想使用 grepl 类型命令将其中 "Low_Confidence" 的字段替换为 ./。跨越整个数据框。

我试过：

df[grepl(".*Low_Confidence.*", df)] <- "./." # replaces ALL values with ./.
df[agrep(".*Low_Confidence.*", df)] <- "./." # Does nothing

df[grep(".*Low_Confidence.*", df)] <- "./." 
df[grep("Low_Confidence", df)] <- "./."

其中大多数 return data.frames 的相关列中的所有值都带有 ./。不管它们是否符合 Low_Confidence 标准。

我还尝试将 data.frame 转换为矩阵

df  <- as.matrix(df)
df[df==".*Low_Confidence.*"]  <- "./." # does nothing

没有成功。我知道如果我一次只做这一栏是可能的，例如：

df$V85[grepl(".*Low_Confidence.*", df$V85)] <- "./."

但是对于高度重复的 100 列。

所以我正在寻找一种解决方案，它将 find/replace 与通配符匹配 data.frame 中的整个字符串（而不仅仅是匹配的文本），或者列的子集（两者都可以）。

谢谢！

Answer 1

首先，将列转换为字符（此步骤是必需的，因为您提供的数据框包含因子。以这种方式替换因子的值会导致 NA），然后将 Low_Confidence 单元格替换为“./”。使用申请：

df1 <- apply(df,2,as.character)
df1[apply(df1,2,function(x) grepl("Low_Confidence",x))] <- "./."

在 R 中的整个 data.frame 中查找子字符串/用新值替换完整字符串

Find sub-string / replace full-string with new value across entire data.frame in R

regex

r

dataframe

grepl