Seleccionar filas de marco de datos según la coincidencia parcial de cadenas en una columna
Quiero seleccionar filas de un marco de datos en función de la coincidencia parcial de una cadena en una columna, por ejemplo, la columna 'x' contiene la cadena "hsa". Usando sqldf, si tuviera una likesintaxis, haría algo como:
select * from <> where x like 'hsa'.
Lamentablemente, sqldfno admite esa sintaxis.
O similarmente:
selectedRows <- df[ , df$x %like% "hsa-"]
Lo cual por supuesto no funciona.
¿Puede alguien ayudarme con esto?
Noto que mencionas una función %like%en tu enfoque actual. No sé si es una referencia a %like%"data.table", pero si lo es, definitivamente puedes usarlo de la siguiente manera.
Tenga en cuenta que el objeto no tiene que ser a data.table(pero también recuerde que los enfoques de subconjuntos para data.frames y data.tables no son idénticos):
library(data.table)
mtcars[rownames(mtcars) %like% "Merc", ]
iris[iris$Species %like% "osa", ]
Si eso es lo que tenía, entonces quizás simplemente había mezclado las posiciones de filas y columnas para subconjuntos de datos.
Si no desea cargar un paquete, puede intentar usar grep()para buscar la cadena que coincide. Aquí hay un ejemplo con el mtcarsconjunto de datos, donde hacemos coincidir todas las filas donde los nombres de las filas incluyen "Merc":
mtcars[grep("Merc", rownames(mtcars)), ]
mpg cyl disp hp drat wt qsec vs am gear carb
# Merc 240D 24.4 4 146.7 62 3.69 3.19 20.0 1 0 4 2
# Merc 230 22.8 4 140.8 95 3.92 3.15 22.9 1 0 4 2
# Merc 280 19.2 6 167.6 123 3.92 3.44 18.3 1 0 4 4
# Merc 280C 17.8 6 167.6 123 3.92 3.44 18.9 1 0 4 4
# Merc 450SE 16.4 8 275.8 180 3.07 4.07 17.4 0 0 3 3
# Merc 450SL 17.3 8 275.8 180 3.07 3.73 17.6 0 0 3 3
# Merc 450SLC 15.2 8 275.8 180 3.07 3.78 18.0 0 0 3 3
Y otro ejemplo, usando el irisconjunto de datos buscando la cadena osa:
irisSubset <- iris[grep("osa", iris$Species), ]
head(irisSubset)
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1 5.1 3.5 1.4 0.2 setosa
# 2 4.9 3.0 1.4 0.2 setosa
# 3 4.7 3.2 1.3 0.2 setosa
# 4 4.6 3.1 1.5 0.2 setosa
# 5 5.0 3.6 1.4 0.2 setosa
# 6 5.4 3.9 1.7 0.4 setosa
Para su problema intente:
selectedRows <- conservedData[grep("hsa-", conservedData$miRNA), ]
Pruebe str_detect()con el paquete stringr , que detecta la presencia o ausencia de un patrón en una cadena.
A continuación se muestra un método que también incorpora la %>%tubería y filter()el paquete dplyr :
library(stringr)
library(dplyr)
CO2 %>%
filter(str_detect(Treatment, "non"))
Plant Type Treatment conc uptake
1 Qn1 Quebec nonchilled 95 16.0
2 Qn1 Quebec nonchilled 175 30.4
3 Qn1 Quebec nonchilled 250 34.8
4 Qn1 Quebec nonchilled 350 37.2
5 Qn1 Quebec nonchilled 500 35.3
...
Esto filtra el conjunto de datos de CO2 de muestra (que viene con R) para filas donde la variable Tratamiento contiene la subcadena "non". Puede ajustar si str_detectbusca coincidencias fijas o utiliza una expresión regular; consulte la documentación del paquete stringr.
LIKEdebería funcionar en sqlite:
require(sqldf)
df <- data.frame(name = c('bob','robert','peter'),id=c(1,2,3))
sqldf("select * from df where name LIKE '%er%'")
name id
1 robert 2
2 peter 3
