我有一个数据框，并且我有一个ID列表，我想要搜索以检查它们是否在该数据框中。这个数据帧看起来这样：在R中的数据框的列中搜索多个元素
dput(bed,"mybed.bed")
sample <- c("13874.p1", "13609.p1","12736.p1", "11970.p1","12025.p1","12189.p1","12529.p1","11522.p1","11716.p1","13684.p1")
我想返回包含由sample矢量和df$sample_ID共享的值中的任何一个数据帧的行。
我试过使用sapply(samples, grepl, df$sample_ID)，但它只是在检查样本的第一个元素存在时。任何帮助，将不胜感激！！
我想我得到了一个解决方案，使用：str_locate_all从stringr包。例如：
v <- c("abc11", "abc11abc11", "abc11abc11abc11abc")
library(stringr)
result1 <- str_locate_all(v[1], "11")
result2 <- str_locate_all(v[2], "11")
result3 <- str_locate_all(v[3], "11")
输出将显示每场比赛一排的一对值的启动端（的匹配）：
> result1
[[1]]
start end
[1,] 4 5
> result2
[[1]]
start end
[1,] 4 5
[2,] 9 10
> result3
[[1]]
start end
[1,] 4 5
[2,] 9 10
[3,] 14 15
>
结果存储在一个小的不舒服结构：
> class(result3)
[1] "list"
> length(result3)
[1] 1
>
这唯一元件是一个整数矩阵：
> class(result3[[1]])
[1] "matrix"
> dim(result3[[1]])
[1] 3 2
>
功能str_locate提供更简单的输出，但它只会找到第一个匹配项。
我的建议将提取列表的第一要素，然后用它操作，例如：
m <- result3[[1]]
不是会更容易获得访问存储的信息对于result3矩阵3x2的：
> m
start end
[1,] 4 5
[2,] 9 10
[3,] 14 15
现在，要知道比赛的数量：
> nrow(m)
[1] 3
或dim(m)[1]。
因此，以矩阵形式存储的结果是更容易提取信息。为了让所有的输入参数匹配的位置刚刚提取的第一列：
> m[,1]
[1] 4 9 14
--------------------------------------------------------------------------------
编辑
应用以前的概念，原来的问题，即找到一个匹配项一个n值数组中的m-模式阵列。
--------------------------------------------------------------------------------
回到我的理解是你的问题，让我们说我们有以下的数据帧：
df = data.frame(ID = c(1,2,3,4),
sample_ID = c(
"12613.p1",
"12613.p1",
"11401.p1,11120.p1,11199.p1,11226.p1,11395.p1,11296.p1,11333.p1,11374.p1,11388.p1,11395.p1,11420.p1",
"11401.p1,13863.p1"),
stringsAsFactors = F)
现在，我们有以下的样本矢量：
sample <- c("11120.p1", "11395.p1", "12613.p1", "13863.p1", "11401.p1")
的df有4行，并且sample数组有5行。现在，根据前面的解释，让搜索在df$sample_ID，我们可以使用lapply功能找到的sample元素：
library(stringr)
all <- sapply(df$sample_ID, FUN = function(x) {return(str_locate_all(x, sample))})
现在输出将是：
> class(all)
[1] "matrix"
其中
> dim(all)
[1] 5 4
因此，对于sample的每个元素，我们有5列，结果来自的给定行（四列）。
我们预计的sample以下匹配的每个元素：
Sample | df$sample_ID[1] | df$sample_ID[2] | df$sample_ID[3] | df$sample_ID[4]
------- | -----------------|------------------|-----------------|---------------
11120.p1 | 0 | 0 | 1 | 0
11395.p1 | 0 | 0 | 2 | 0
12613.p1 | 1 | 1 | 0 | 0
13863.p1 | 0 | 0 | 0 | 1
11401.p1 | 1 | 0 | 1 | 0
这是所获得的结果：
> all
12613.p1 12613.p1
[1,] Integer,0 Integer,0
[2,] Integer,0 Integer,0
[3,] Integer,2 Integer,2
[4,] Integer,0 Integer,0
[5,] Integer,0 Integer,0
11401.p1,11120.p1,11199.p1,11226.p1,11395.p1,11296.p1,11333.p1,11374.p1,11388.p1,11395.p1,11420.p1
[1,] Integer,2
[2,] Integer,4
[3,] Integer,0
[4,] Integer,0
[5,] Integer,2
11401.p1,13863.p1
[1,] Integer,0
[2,] Integer,0
[3,] Integer,0
[4,] Integer,2
[5,] Integer,2
>
矩阵的每个元素是一个list。以下是如何理解结果，对于每个[row, col]它提供了有关list元素的汇总信息：Integer,n将指示给定单元的元素数量。对于每场比赛，我们有两个值：[start,end]，因此对于m比赛我们将有m x 2。这就是为什么[row, col] = [2,3]它的值为4。
要提取的信息，可以说对于比赛的价值：（df$sample_ID[3]）sample[2]=11395.p1第三排有：
> all[2,3]
$`11401.p1,11120.p1,11199.p1,11226.p1,11395.p1,11296.p1,11333.p1,11374.p1,11388.p1,11395.p1,11420.p1`
start end
[1,] 37 44
[2,] 82 89
提取所有匹配的位置：
> all[2,3][[1]][,1]
[1] 37 82
例如：m <- all[2,3][[1]] then：
> m[,1]
[1] 37 82
如何识别不匹配的情况？
让我们挑原有矩阵，其中没有匹配的元素[1,1]，则：
> m <- all[1,1][[1]]
> dim(m)
[1] 0 2
> dim(m)[1]
[1] 0
>
我希望现在这解决您的具体问题。
呼叫：
unique(do.call(c, sapply(X = sample, FUN = function(x){return(grep(pattern = x,x = df$sample_id))})))
应该工作：
> df = data.frame(chrom = c(1,2,1,1),
+ sample_id = c("12613.p1", "12613.p1","11118.p1,11120.p1,11199.p1,11226.p1,11285.p1,11296.p1,11333.p1,11374.p1,11388.p1,11395.p1,11420.p1", "11401.p1,13863.p1"),
+ stringsAsFactors = F)
>
>
>
> sample <- c("13874.p1", "13609.p1","12736.p1", "11970.p1","12025.p1",
+ "12189.p1","12529.p1","11522.p1","11716.p1","13684.p1")
>
>
> unique(do.call(c, sapply(X = sample, FUN = function(x) {return(grep(pattern = x,x = df$sample_id))})))
integer(0)
无解
但是，如果我最后一个字符串添加到样本：
> sample <- c("13874.p1", "13609.p1","12736.p1", "11970.p1","12025.p1",
+ "12189.p1","12529.p1","11522.p1","11716.p1","13684.p1",
+ "11199.p1")
>
>
> unique(do.call(c, sapply(X = sample, FUN = function(x){return(grep(pattern = x,x = df$sample_id))})))
[1] 3
它的作品！
我想我找到了一个简单的解决方案来解决这个问题（道歉为不张贴更真实的数据，我的数据集是巨大的）。
所以我有一个ID的字符向量，sample。然后我有一个表，其中一列包含每行ID的列表。
hits <- c()
for(i in sample){
hits <- append(hits, which(grepl(i, df$sample_ID, fixed = TRUE)))
}
hits2 <- unique(hits)
我只是去通过sample向量，每一次我检查，看它是否在每个DF $ sample_ID列表中存在。它返回每个正点击的行数（来自数据框）。由于某些行可能有2个匹配项，因此我删除了重复项。
我可以基于这些行然后子集。
df2 <- df[hits2,]
sry误读了这个问题。你能提供样本数据吗？ – BigDataScientist
它在问题中。 – Workhorse
很难进入R，你可以提供'dput（）' – BigDataScientist