R 在两个不同数据帧的每行中查找相似字符串

我想检查两个数据集。一个数据有许多列（本例有两列df1），一个数据有一列（df2）

首先，我想检查df1每一行的第一列以及df2的所有部分，如果发现任何类似部分，则写入df1和df2的行号

比如说

---

df1的第1列有两个与df1的第3行中的df2 Q9Y6Q9和df2的第4行中的Q9Y6Q9相似的行部分。所以输出是3-4，其他的也一样

也许你应该先规范化你的数据。例如，您可以执行以下操作：

normalize <- function(x, delim) {
    x <- gsub(")", "", x, fixed=TRUE)
    x <- gsub("(", "", x, fixed=TRUE)
    idx <- rep(seq_len(length(x)), times=nchar(gsub(sprintf("[^%s]",delim), "", as.character(x)))+1)
    names <- unlist(strsplit(as.character(x), delim))
    return(setNames(idx, names))
}

使用此规范化数据，可以轻松生成您要查找的输出：

process <- function(s) {
    lookup_try <- lookup[names(s)]
    found <- which(!is.na(lookup_try))
    pos <- lookup_try[names(s)[found]]
    return(paste(s[found], pos, sep="-"))
    #change the last line to "return(as.character(pos))" to get only the result as in the comment
}

process(s1)
# [1] "3-4" "4-1" "5-4"
process(s2)
# [1] "2-4"  "3-15" "7-16"

现在，

res

是一个由

df1

的列名索引的列表：

res[["sample_1"]]
# [1] "4" "1" "4"

---

也许你应该先规范化你的数据。例如，您可以执行以下操作：

normalize <- function(x, delim) {
    x <- gsub(")", "", x, fixed=TRUE)
    x <- gsub("(", "", x, fixed=TRUE)
    idx <- rep(seq_len(length(x)), times=nchar(gsub(sprintf("[^%s]",delim), "", as.character(x)))+1)
    names <- unlist(strsplit(as.character(x), delim))
    return(setNames(idx, names))
}

使用此规范化数据，可以轻松生成您要查找的输出：

process <- function(s) {
    lookup_try <- lookup[names(s)]
    found <- which(!is.na(lookup_try))
    pos <- lookup_try[names(s)[found]]
    return(paste(s[found], pos, sep="-"))
    #change the last line to "return(as.character(pos))" to get only the result as in the comment
}

process(s1)
# [1] "3-4" "4-1" "5-4"
process(s2)
# [1] "2-4"  "3-15" "7-16"

现在，

res

是一个由

df1

的列名索引的列表：

res[["sample_1"]]
# [1] "4" "1" "4"

---

我觉得你的语法让我很反感，也许英语不是你的母语，但我不太懂。但是，我认为这涉及到使用

for

循环逐行遍历两个数据帧，以及

for

循环中的

if

语句，该语句检查您的条件是否满足并进行编辑（如果满足）。不确定您真正想要的是什么，因为您的规范与预期输出不匹配。但是，这里有一行代码可以在df2的相应行中的df1$sample_1列中找到任何“子字符串”<代码>应用（df1，1，函数（x）grep（粘贴（未列出（strsplit（x[1]，“；”）），折叠=“|”），df2$subunits..UniProt.IDs。）@Gopala谢谢，但下面是正确的答案。不过，我仍在等待一些修改，如果你有任何想法，你可以调整他的回答。我认为你的语法让我很反感，也许英语不是你的母语，但我不太理解。但是，我认为这涉及到使用

for

循环逐行遍历两个数据帧，以及

for

循环中的

if

语句，该语句检查您的条件是否满足并进行编辑（如果满足）。不确定您真正想要的是什么，因为您的规范与预期输出不匹配。但是，这里有一行代码可以在df2的相应行中的df1$sample_1列中找到任何“子字符串”<代码>应用（df1，1，函数（x）grep（粘贴（未列出（strsplit（x[1]，“；”）），折叠=“|”），df2$subunits..UniProt.IDs。）@Gopala谢谢，但下面是正确的答案。不过，我还在等待一些修改，如果你有任何想法，你可以调整他的回答我不知道如何感谢你。我已经喜欢你的答案了。我有两个要求。我可以使用1-a命令生成s1到s个df1列数吗？所以我不需要手动制作它们。2-只给我df2的行数。例如进程（s1）#[1]“4”“1”“4”。编辑答案以解决您的问题。我不知道如何感谢您。我已经喜欢你的答案了。我有两个要求。我可以使用1-a命令生成s1到s个df1列数吗？所以我不需要手动制作它们。2-只给我df2的行数。例如，process（s1）#[1]“4”“1”“4”。编辑答案以解决您的问题。