如何取消列出字符串列以计算匹配项？

编程问答 2022-06-06

问题描述

我希望计算2个数据集之间是否有匹配的字符串。这是一个数据集具有一列基因，而另一列基因与这些基因相互作用的结果。

例如：

#dataset1
Gene    Interactors
ACE     BRCA2,NOS2,SEPT9
HER2    AGT,TGRF
YUO     SEPT9,TET2

我还有第二个数据集，其中也有与此相似的基因和相互作用基因。例如：

#dataset2
Gene    Interactors
RTY     ADFD,NOS3,SEPT9
TERT    ADAM2,GERP
GHJ     TET2,NOS2

我希望能够计算出数据集1中有多少Interactors与数据集2中具有匹配的Interactors。

示例输出：

Gene    Interactors          Secondary_interaction_count
ACE     BRCA2,SEPT9            2 #SEPT9 and NOS2 are in the 2nd dataset under interacting genes
HER2    AGT,TGRF                     0 
YUO     SEPT9,ADAM2,TET2            3 #all 3 are in dataset 2

目前，我有2个版本可以尝试获得。只能给出对或错，我不知道如何更改为计数的一种：

temp <- unlist(strsplit(df2$interactors,','))
df1$secondary_count <- sapply(strsplit(df1$interactors,'),function(x) any(x %in% temp))

我认为不会拆分字符串的另一个，但是我不确定如何修改它：

df1 %>%
  mutate(secondary_count = str_count(interactors,str_c(df2$interactors,collapse = '|')))

是否可以修改这两种编码尝试中的任何一种以获得计数？还是我应该尝试另一种方法？

输入数据：

#df1:
structure(list(Gene = c("ACE","HER2","YUO"),Interactors = c("BRCA2,SEPT9","AGT,TGRF","SEPT9,TET2")),row.names = c(NA,-3L),class = c("data.table","data.frame"))

#df2:
structure(list(Gene = c("RTY","TERT","GHJ"),Interactors = c("ADFD,"ADAM2,GERP","TET2,NOS2")),"data.frame"))

> sessionInfo()
R version 4.0.2 (2020-06-22)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 18362)

Matrix products: default

locale:
[1] LC_COLLATE=English_United Kingdom.1252 
[2] LC_CTYPE=English_United Kingdom.1252   
[3] LC_MONETARY=English_United Kingdom.1252
[4] LC_NUMERIC=C                           
[5] LC_TIME=English_United Kingdom.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] sqldf_0.4-11      RSQLite_2.2.1     gsubfn_0.7        proto_1.0.0      
 [5] forcats_0.5.0     stringr_1.4.0     purrr_0.3.4       readr_1.4.0      
 [9] tidyr_1.1.2       tibble_3.0.4      ggplot2_3.3.2     tidyverse_1.3.0  
[13] plyr_1.8.6        dplyr_1.0.2       data.table_1.13.2

loaded via a namespace (and not attached):
 [1] gtools_3.8.2     tidyselect_1.1.0 haven_2.3.1      tcltk_4.0.2     
 [5] colorspace_1.4-1 vctrs_0.3.4      generics_0.0.2   chron_2.3-56    
 [9] blob_1.2.1       rlang_0.4.8      pillar_1.4.6     glue_1.4.1      
[13] withr_2.3.0      DBI_1.1.0        bit64_4.0.5      dbplyr_1.4.4    
[17] modelr_0.1.8     readxl_1.3.1     lifecycle_0.2.0  munsell_0.5.0   
[21] gtable_0.3.0     cellranger_1.1.0 rvest_0.3.6      memoise_1.1.0   
[25] fansi_0.4.1      broom_0.7.2      Rcpp_1.0.5       scales_1.1.1    
[29] backports_1.1.10 jsonlite_1.7.1   fs_1.5.0         bit_4.0.4       
[33] hms_0.5.3        digest_0.6.27    stringi_1.5.3    grid_4.0.2      
[37] cli_2.1.0        tools_4.0.2      magrittr_1.5     crayon_1.3.4    
[41] pkgconfig_2.0.3  ellipsis_0.3.1   xml2_1.3.2       reprex_0.3.0    
[45] lubridate_1.7.9  assertthat_0.2.1 httr_1.4.2       rstudioapi_0.11 
[49] R6_2.4.1         compiler_4.0.2

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

dplyrrrstrsplit