2

我有两个列表（更确切地说是字符原子向量），我想使用正则表达式进行比较以生成其中一个列表的子集。我可以为此使用“for”循环，但是有一些更简单的代码吗？以下举例说明我的情况：

# list of unique cities
city <- c('Berlin', 'Perth', 'Oslo')

# list of city-months, like 'New York-Dec'
temp <- c('Berlin-Jan', 'Delhi-Jan', 'Lima-Feb', 'Perth-Feb', 'Oslo-Jan')

# need sub-set of 'temp' for only 'Jan' month for only the items in 'city' list:
#   'Berlin-Jan', 'Oslo-Jan'

补充说明：在我正在寻找代码的实际情况下，“月”等价物的值更复杂，而是随机的字母数字值，只有前两个字符具有我感兴趣的信息值（必须是“01” ）。

添加了实际案例示例：

# equivalent of 'city' in the first example
# values match pattern TCGA-[0-9A-Z]{2}-[0-9A-Z]{4}
patient <- c('TCGA-43-4897', 'TCGA-65-4897', 'TCGA-78-8904', 'TCGA-90-8984')

# equivalent of 'temp' in the first example
# values match pattern TCGA-[0-9A-Z]{2}-[0-9A-Z]{4}-[\d]{2}[0-9A-Z]+
sample <- c('TCGA-21-5732-01A333', 'TCGA-43-4897-01A159', 'TCGA-65-4897-01T76', 'TCGA-78-8904-11A70')

# sub-set wanted (must have '01' after the 'patient' ID part)
#   'TCGA-43-4897-01A159', 'TCGA-65-4897-01T76'
4

4 回答 4

4

像这样的东西？

temp <- temp[grepl("Jan", temp)]
temp[sapply(strsplit(temp, "-"), "[[", 1) %in% city]
# [1] "Berlin-Jan" "Oslo-Jan"

更好的是，借用@agstudy 的想法：

> temp[temp %in% paste0(city, "-Jan")]
# [1] "Berlin-Jan" "Oslo-Jan"

编辑：这个怎么样？

> sample[gsub("(.*-01).*$", "\\1", sample) %in% paste0(patient, "-01")]
# [1] "TCGA-43-4897-01A159" "TCGA-65-4897-01T76"
于 2013-03-12T20:27:01.297 回答
3

这是继其他解决方案之后的解决方案，具有您的新要求：

sample[na.omit(pmatch(paste0(patient, '-01'), sample))]
于 2013-03-12T21:56:00.020 回答
2

您可以使用gsub 

x <- gsub(paste(paste(city,collapse='-Jan|'),'-Jan',sep=''),1,temp)
> temp[x==1]
[1] "Berlin-Jan" "Oslo-Jan"

这里的模式是：

 "Berlin-Jan|Perth-Jan|Oslo-Jan"
于 2013-03-12T20:37:29.970 回答
1

这是一个包含两个部分字符串匹配的解决方案......

temp[agrep("Jan",temp)[which(agrep("Jan",temp) %in% sapply(city, agrep, x=temp))]]
# [1] "Berlin-Jan" "Oslo-Jan"

作为一个只是为了好玩的功能......

fun <- function(x,y,pattern) y[agrep(pattern,y)[which(agrep(pattern,y) %in% sapply(x, agrep, x=y))]]
# x is a vector containing your data for filter
# y is a vector containing the data to filter on
# pattern is the quoted pattern you're filtering on

fun(temp, city, "Jan")
# [1] "Berlin-Jan" "Oslo-Jan"
于 2013-03-12T20:30:56.380 回答