如何使用模式列表在列中查找字符串并将匹配的模式添加到下一列的同一行

Question

我有一个包含 RNASeq 样本、基因符号和表达数据的数据框。我想根据示例类别对它们进行分组。

Sample             Gene     Exp 
---------------------------------
A.56.100e.ax       prk1     3.56
A.100CAS.500e.er   prk1    45.20 
A.300.EFE1.cx      prk1     0.21
A.56.100e.ax       csk     51.50
A.100CAS.500e.er   csk    321.47 
A.300.EFE1.cx      csk    186.78

我想做的是在单独的列中添加一个类别，如下所示，

Sample             Gene     Exp    Category
-------------------------------------------
A.56.100e.ax       prk1     3.56   A.56
A.100CAS.500e.er   prk1    45.20   A.100CAS
A.300.EFE1.cx      prk1     0.21   A.300
A.56.100e.ax       csk     51.50   A.56
A.100CAS.500e.er   csk    321.47   A.100CAS
A.300.EFE1.cx      csk    186.78   A.300

谢谢

Answer 1

我们可以使用 str_remove 来匹配 . 后跟一个或多个不是 . 的字符，直到字符串的末尾 ($)

library(stringr)
df1 %>%
    mutate(Category = str_remove(Sample, "\.[^.]+$"))

和base R

df$Category <- sub("\.[^.]+$", "", df1$Sample)

Answer 2

我们可以使用sub来捕获一个字符后跟一个数字。

df$Category <- sub('([A-Z]\..*?)\..*', '\1', df$Sample)
df

#            Sample Gene    Exp Category
#1     A.56.100e.ax prk1   3.56     A.56
#2 A.100CAS.500e.er prk1  45.20 A.100CAS
#3    A.300.EFE1.cx prk1   0.21    A.300
#4     A.56.100e.ax  csk  51.50     A.56
#5 A.100CAS.500e.er  csk 321.47 A.100CAS
#6    A.300.EFE1.cx  csk 186.78    A.300

数据

df <- structure(list(Sample = structure(c(3L, 1L, 2L, 3L, 1L, 2L), 
    .Label = c("A.100CAS.500e.er", "A.300.EFE1.cx", "A.56.100e.ax"), 
    class = "factor"), Gene = structure(c(2L, 2L, 2L, 1L, 1L, 1L),
    .Label = c("csk", "prk1"), class = "factor"), 
     Exp = c(3.56, 45.2, 0.21, 51.5, 321.47, 186.78)), 
   class = "data.frame", row.names = c(NA, -6L))

如何使用模式列表在列中查找字符串并将匹配的模式添加到下一列的同一行

How to find a string in a column using a list of patterns and add the matched pattern to the same row in next column

regex

string

r

pattern-matching

string-matching