根据另一个数据 frame/list 对数据框中的列进行子集化

Question

我有以下table1，这是一个由6列和8083行组成的数据框。下面我展示了这个table1的头部：

|gene ID        |   prom_65|   prom_66|  amast_69|  amast_70|   p_value|
|:--------------|---------:|---------:|---------:|---------:|---------:|
|LdBPK_321470.1 |   24.7361|   25.2550|   31.2974|   45.4209| 0.2997430|
|LdBPK_251900.1 |  107.3580|  112.9870|   77.4182|   86.3211| 0.0367792|
|LdBPK_331430.1 |   72.0639|   86.1486|   68.5747|   77.8383| 0.2469355|
|LdBPK_100640.1 |   43.8766|   53.4004|   34.0255|   38.4038| 0.1299948|
|LdBPK_330360.1 | 2382.8700| 1871.9300| 2013.4200| 2482.0600| 0.8466225|
|LdBPK_090870.1 |   49.6488|   53.7134|   59.1175|   66.0931| 0.0843242|

我有另一个数据框，称为 accessions40，它是一个包含 510 个基因 ID 的列表。它是 table1 第一列的子集，即它的所有值 (510) 都包含在 table1 (8083) 的第一列中。 accessions40的头部显示如下：

|V1             |
|:--------------|
|LdBPK_330360.1 |
|LdBPK_283000.1 |
|LdBPK_360210.1 |
|LdBPK_261550.1 |
|LdBPK_367320.1 |
|LdBPK_361420.1 |

我想做的是：我想生成一个新的 table2，它在第一列（基因 ID）下仅包含 accessions40 中存在的值以及来自table1 中的其他五列。换句话说，我想根据 accessions40 的值对 table1 的第一列进行子集化。

Answer 1

有很多方法可以做到这一点。查找 table1 中的 gene_ID，它们出现在 accession40

的 V1 列中

table1[table1$gene_ID %in% accessions40$V1, ]

或者你也可以使用match

table1[match(accessions40$V1, table1$gene_ID), ]

Answer 2

我们可以使用 %in% 得到一个逻辑向量，subset 'table1' 的行基于它。

subset(table1, gene_ID %in% accessions40$V1)

更好的选择是 data.table

library(data.table)
setDT(table1)[gene_ID %chin% accessions40$V1]

或使用 filter 来自 dplyr

library(dplyr)
table1 %>%
      filter(gene_ID %in% accessions40$V1)

根据另一个数据 frame/list 对数据框中的列进行子集化

subset a column in data frame based on another data frame/list

r

subset

apply