3

我在数据框中有我的数据，如下所示：

someName    someID  1                  2                  3
A           1       T7(P),M6(O),S6(P)  T7(P),M6(O),S6(P)  T7(P),M6(O),S6(P),S7(P)
B           2       S4(P)              S4(P)              NA
C           3       S1(P),Q9(D)        S1(P),Q9(D)        S16(P),Q9(D)
D           4       S5(P),C7(C),S4(P)  S4(P),C7(C),S4(P)  S5(P),C7(C),S14(P)
E           5       S18(P)             S18(P)             S18(P)
F           6       S1(P)              NA                 S1(P)
L           8       Z1(P)              NA                 NA
Z           9       NA                 NA                 Q100(P)

我想阅读我的每一行df1并找到拆分元素的完全匹配并计算它们。cbind然后在我的新列中显示总计df1。

例如，在 row 中someName=A，我想用逗号分割第 1,2,3 列中的字符串，并查找T7(P)在所有 3 中都找到的字符串，因此总和为 3。所以是S6(P)。所以总数3+3=6为row A. (S7(P)被忽略，因为它在任何其他列中都找不到）。

我想忽略没有 的任何其他项目(P)，因此M6(O)被忽略。

Row L总共为 0，因为它不与任何其他列相交。

所以我可以使用该apply函数逐行然后将列拆分,

那么我怎样才能在分割值之间进行交叉或匹配呢？

我dput(df1)的是：

structure(list(someName = structure(1:8, .Label = c("A", "B", 
"C", "D", "E", "F", "L", "Z"), class = "factor"), someID = c(1L, 
2L, 3L, 4L, 5L, 6L, 8L, 9L), `1` = c("T7(P),M6(O),S6(P)", "S4(P)", 
"S1(P),Q9(D)", "S5(P),C7(C),S4(P)", "S18(P)", "S1(P)", "Z1(P)", 
NA), `2` = c("T7(P),M6(O),S6(P)", "S4(P)", "S1(P),Q9(D)", "S4(P),C7(C),S4(P)", 
"S18(P)", NA, NA, NA), `3` = c("T7(P),M6(O),S6(P),S7(P)", NA, 
"S16(P),Q9(D)", "S5(P),C7(C),S14(P)", "S18(P)", "S1(P)", NA, 
"Q100(P)")), .Names = c("someName", "someID", "1", "2", "3"), row.names = c(NA, 
-8L), class = "data.frame")
4

2 回答 2

3

一个尝试，假设你data.frame被称为test：

# collapse and split them up
splts <- strsplit(apply(test[3:5],1,function(x) paste(x,collapse=",")),",")
# remove all the non (P) cases
splts <- mapply(function(x,y) x[y], splts, lapply(splts, function(x) grep("(P)",x,fixed=TRUE)))
# sum up those that appear more than once
test$sumtext <- sapply(splts,function(x) sum(table(x)[table(x)>1]))

结果：

> test[,c(1,2,6)]
  someName someID sumtext
1        A      1       6
2        B      2       2
3        C      3       2
4        D      4       5
5        E      5       3
6        F      6       2
7        L      8       0
8        Z      9       0
于 2013-06-24T02:16:55.927 回答
3

这里使用正则表达式的另一种方法和table. 这个想法是从每一行中提取具有特定模式[AZ][0-9]+ (P) 的元素，如果它们出现不止一次，则对它们进行计数。

apply(dat,1,function(xx){
    tab <- table(unlist(regmatches(xx,gregexpr('[A-Z][0-9]+\\(P\\)',xx))))
    sum(tab[tab>1])
})
[ 1] 6 2 2 5 3 2 0 0
于 2013-06-24T02:39:04.940 回答