R通过注释数据框替换列中的单词

Question

我有一个包含 1 列基因 ID (data1) 的数据框。在另一个数据框中，我有相应的基因名称 (data2)。 Data1 还包含具有多个基因名的单元格，用“:”分隔，还有很多 NA。最好我想在 data1 中添加一个列，其中包含相应的基因名称，如果有多个，也用 ':' 分隔。另一种方法是用相应的基因名称替换 data1 中的所有基因名称。知道如何去做吗？谢谢！

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)

Answer 1

涉及 stringr 的一个选项可能是：

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

Answer 2

我们可以得到 data1 的长格式，left_join data2 并将值粘贴在一起。

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

Answer 3

这是另一个选项 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

在 base R 中，这也可以通过用 strsplit 拆分 'a' 列来完成，然后与从 'b'、[=第二个数据集的 22=] 列

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=":"))

R通过注释数据框替换列中的单词

R replacing words in column by annotation dataframe

string

replace

r

word

gsub