R语言:数据筛选match的使用详解
数据筛选是在分析中最常用的步骤,如微生物组分析中,你的OTU表、实验设计、物种注释之间都要不断筛选,来进行数据对齐,或局部分析。
今天来详解一下此函数的用法。
match
match:匹配两个向量,返回x中存在的返回索引或TRUE、FALSE
match函数使用格式有如下两种:
第一种方便设置参数,返回x中元素在table中的位置
match(x, table, nomatch = NA_integer_, incomparables = NULL)
第二种简洁,返回x中每个元素在table中是否存在
x %in% table
参数详解
x: 向量, 要匹配的值;
table: 向量, 被匹配的值;
nomatch: 没匹配上的返回值, 必须是整数;
incomparables: 指定不能用来匹配的值.
match函数是一个完全匹配函数, 当两个元素类型不一样时, 如果进行类型转换后匹配得上的话, 则仍可匹配, 可看下例.
匹配上且返回位置
match(c(1, "TRUE"), c(T, 0, "1"))
返回3 1,即1位于表中的3号位,TRUE位于1号位,且T和TRUE可匹配成功
c(1, "TRUE", F) %in% c(T, 0, "1")
返回TRUE TRUE FALSE,表示每个元素在table中是否存在
pmatch
pmatch函数是一个部分匹配函数, 依次从x里面挑出元素, 对照table进行匹配, 若匹配上则剔除匹配上的值, 不再参与下次匹配, duplicate.ok可设置是否剔除; 对于某一个元素,
匹配一共分成三步:
1、如果可以完全匹配, 则认为匹配上了, 返回table中的位置;
2、不满足上述条件, 如果是唯一部分匹配, 则返回table中的位置;
3、不满足上述条件, 则认为没有值与其匹配上.
pmatch函数的格式
pmatch(x, table, nomatch = NA_integer_, duplicates.ok = FALSE)
x: 向量, 要匹配的值;
table: 向量, 被匹配的值;
nomatch: 没匹配上的返回值, 必须是整数;
duplicates.ok: table里面的元素是否可以适用多次.
默认不允许重复使用table中元素,返回位置1 2 3
pmatch(rep(1, 3), rep(1, 5))
允许重复,返回位置1 1 1
pmatch(rep(1, 3), rep(1, 5), duplicates.ok = TRUE)
补充:R语言实例-数据过滤
1、问题
一组数据,变量有40个,就是40列。
我要做数据筛选。
1.第一列中包含语段"a11","a12","b23"。请注意是包含,实际不存在“a11”,往往是“a1120”之类的信息
2.第二列中不包含“美国”、“日本”等信息。请注意,也是不包含,而不是不等于。
请问具体的R语言语句应该怎么写?
2、解决
假设楼主的数据为一数据框,名字为“testdat”,第一列名"a",第二列名"b",则过滤语句为:
result<-subset(testdat,grepl("a11|a12|b23",testdat$a) & !grepl("美国|日本",testdat$b))
3、注意
grep()函数返回的是匹配元素的索引,grepl()返回的是匹配或不匹配的逻辑值:
grep(value = FALSE) returns a vector of the indices of the elements of x that yielded a match (or not, for invert = TRUE. This will be an integer vector unless the input is a long vector grepl returns a logical vector (match or not for each element of x).
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。