使用R语言跨多行比较数据帧中的两列

我有一个正在使用的数据框，我想在其中比较数据点PathwayName和ExpressionData。此比较将在1000万+数据帧的多行中进行。以下是我的数据框的前几行，每行中的内容仅以空格分隔：

>View(df)

    PathwayName                                      ExpressionData 
1   41bbPathway BLACK   215538_at   210671_x_at...   215538_at  na  28.566616...
2   ace2Pathway BLACK   214533_at   215184_at...     215538_at  na  28.566616...    
3   acetPathway BLACK   215184_at   01502_s_at...    215184_at  na  4.2084746...
4   achPathway  BLACK   211570_s_at 215184_at...     215184_at  na  4.2084746...
5   hoPathway   BLACK   201968_at   214578_s_at...   201968_at  na  472.4969...

作为最终产品，我希望它能够比较、复制并保存到一个新文件中，该文件的输出应如下所示：

>View(df)

    PathwayName               ExpressionData 
1   41bbPathway 215538_at     215538_at         
2   acetPathway 215184_at     215184_at 
3   achPathway  215184_at     215184_at 
4   hoPathway   201968_at     201968_at  

这就是我所做的：

sub("BLACK.*", "", df)

我知道这行不通，所以我希望有人能帮忙。 我已经查阅了很多关于比较数据框中两列的问答，但我无法理解这些内容，因为我需要比较一行中的每一项内容，并找到任何类似的内容。在这种情况下，有…_at的内容，而不仅仅是基于列进行比较

希望有人知道这件事。

---

谢谢。

这不是一项简单的任务，基因的顺序是不一致的，我猜它们有不同的长度。我做的另一个假设是ExpressionData每行只列出一个基因，如果违反了这一假设，这将无法正常工作。因此，我将使用列表而不是data.frame，因为它使比较更加简单。因为我们只有一小部分数据可供参考，所以我只使用它

# firstly to make the data
PathwayName <-                                       
c("41bbPathway BLACK   215538_at   210671_x_at...",
"ace2Pathway BLACK   214533_at   215184_at...",
"acetPathway BLACK   215184_at   01502_s_at...",
"achPathway  BLACK   211570_s_at 215184_at...",
"hoPathway   BLACK   201968_at   214578_s_at...")
 PathwayName <- gsub("\\.\\.\\.","",PathwayName) # you shouldn't need this, it only fixes the partial data you supplied when I copied and pasted

ExpressionData <- 
c("215538_at  na  28.566616...",
"215538_at  na  28.566616...",
"215184_at  na  4.2084746...",
"215184_at  na  4.2084746...",
"201968_at  na  472.4969...")
  ExpressionData <- gsub("\\.\\.\\.","",ExpressionData) # you shouldn't need this, it only fixes the partial data you supplied when I copied and pasted

# to compare
PNlist <- sapply(PathwayName,function(x) strsplit(x, split=" ")) # make a list from each line
PNlist <- lapply(PNlist, function(x) x[grepl("_at",x)]) # select genes
EDlist <- sapply(ExpressionData,function(x) strsplit(x, split=" "))
EDlist <- lapply(EDlist, function(x) x[grepl("_at",x)])

Result <- data.frame("PathwayName"=gsub(" BLACK.*","",PathwayName),
                     "PathwayGene"=as.character(lapply(1:length(PNlist),function(x) PNlist[[x]][PNlist[[x]] %in% EDlist[[x]]])),
                     "ExpressionData"=gsub(" .*","",ExpressionData),stringsAsFactors=F)
# this will return a 'character(0)' if PathwayName has no gene matching ExpressionData so the next line corrects for this
Result <- Result[Result$PathwayGene == Result$ExpressionData,]

---

这看起来确实像一个合并操作，尽管我猜您不只是希望输出中有3列，而是希望拖动匹配行中的一些其他信息。你应该发帖dputheaddf@42-我认为需要两列，第一列只有两个用空格隔开的术语。OP需要回答这两个问题。是的，@42，你是对的。我不希望输出中有3列。我只希望这两列保持原样，但第一列中只有两个术语被空格分隔，第二列中只有一个术语。正如@steveb所说，它毕竟应该是两列。我会在运行完dputheaddf的代码后添加它。你可以复制路径名列，并在路径后的所有内容中添加一个副本，然后在第二个副本中使用gsub.*BLACK+[0-9]{6}\u at.*，\\1，df$PathwayName，然后选择基因名与你所说的相同的行@JeremyS，有一种可能性，我也需要这个x_at和s_at基因，因此，如何将它添加到PNlist和EDlist中？我运行了这个结果哦，对了，从两个调用中删除x$。我更新了答案。我已将其删除，但在data.framePathwayName=gsub BLACK.*，PathwayName，PathwayGene=as.characterlapply1:lengthPNlist，：参数表示不同的行数：481、22284、1。这表示对象的长度不同，如果你有一个超过1000万行的data.frame，这些数字怎么可能呢？我不知道。