r - 如何根据以分号分隔的列中的值过滤行？

Question

我有一个看起来像这样的表:

> dt
                   variant_id           transcript_id         0       1     2
    1: chr17_45630589_C_A_b38 chr17_46031704_46032046   1584;41  891;27 146;5
    2: chr17_45630589_C_A_b38 chr17_46032300_46033079    782;41  438;27  76;5
    3: chr17_45630589_C_A_b38 chr17_46033193_46033402    988;41  620;27 116;5
    4: chr17_45630589_C_A_b38 chr17_46033461_46034160   1162;41  725;27 133;5
    5: chr17_45630589_C_A_b38 chr17_46033470_46034160      0;41    0;27   0;5
   ---
37392:  chr9_34699703_G_C_b38  chr9_34648457_34648761 24060;256 2644;36  <NA>
37393:  chr9_34699703_G_C_b38  chr9_34648895_34648997 35276;256 3512;36  <NA>
37394:  chr9_34699703_G_C_b38  chr9_34648908_34648997   336;256   60;36  <NA>
37395:  chr9_34699703_G_C_b38  chr9_34649082_34649409 33640;256 3400;36  <NA>
37396:  chr9_34699703_G_C_b38  chr9_34649565_34650368 45540;256 4708;36  <NA>

我只想提取 0 下第一个分号分隔值等于 0 且 1 和 2 中第一个分号分隔值大于 0 的行，最好是 2 大于 1 的行。我自己尝试这样做，但结果是生成了一个值不是 0 的新列:

> test
                   variant_id           transcript_id         0       1     2
    1: chr17_45630589_C_A_b38 chr17_46031704_46032046   1584;41  891;27 146;5
    2: chr17_45630589_C_A_b38 chr17_46032300_46033079    782;41  438;27  76;5
    3: chr17_45630589_C_A_b38 chr17_46033193_46033402    988;41  620;27 116;5
    4: chr17_45630589_C_A_b38 chr17_46033461_46034160   1162;41  725;27 133;5
    5: chr17_45630589_C_A_b38 chr17_46033470_46034160      0;41    0;27   0;5
   ---
37392:  chr9_34699703_G_C_b38  chr9_34648457_34648761 24060;256 2644;36  <NA>
37393:  chr9_34699703_G_C_b38  chr9_34648895_34648997 35276;256 3512;36  <NA>
37394:  chr9_34699703_G_C_b38  chr9_34648908_34648997   336;256   60;36  <NA>
37395:  chr9_34699703_G_C_b38  chr9_34649082_34649409 33640;256 3400;36  <NA>
37396:  chr9_34699703_G_C_b38  chr9_34649565_34650368 45540;256 4708;36  <NA>
       0_new   1_new 2_new
    1:     0  891,27 146,5
    2:     0  438,27  76,5
    3:     0  620,27 116,5
    4:     0  725,27 133,5
    5:     1    0,27   0,5
   ---
37392:     0 2644,36    NA
37393:     0 3512,36    NA
37394:     0   60,36    NA
37395:     0 3400,36    NA
37396:     0 4708,36    NA

它也完全没有按照我想要的方式工作。我该怎么做？

编辑:

> dput(head(as.data.frame(dt)))
structure(list(variant_id = c("chr17_45630589_C_A_b38", "chr17_45630589_C_A_b38",
"chr17_45630589_C_A_b38", "chr17_45630589_C_A_b38", "chr17_45630589_C_A_b38",
"chr17_45630589_C_A_b38"), transcript_id = c("chr17_46031704_46032046",
"chr17_46032300_46033079", "chr17_46033193_46033402", "chr17_46033461_46034160",
"chr17_46033470_46034160", "chr17_46034280_46038537"), `0` = c("1584;41",
"782;41", "988;41", "1162;41", "0;41", "5;41"), `1` = c("891;27",
"438;27", "620;27", "725;27", "0;27", "4;27"), `2` = c("146;5",
"76;5", "116;5", "133;5", "0;5", "0;5")), row.names = c(NA, 6L
), class = "data.frame")

Answer 1

将第 0、1 和 2 列的第一个值提取为数字。然后像往常一样过滤:

dt[, paste0("firstValue_", 0:2) := lapply(.SD, function(i) tstrsplit(i, split = ";", type.convert = TRUE)[[ 1 ]]), .SDcol = 3:5] 

dt
#                variant_id           transcript_id       0      1     2 firstValue_0 firstValue_1 firstValue_2
# 1: chr17_45630589_C_A_b38 chr17_46031704_46032046 1584;41 891;27 146;5         1584          891          146
# 2: chr17_45630589_C_A_b38 chr17_46032300_46033079  782;41 438;27  76;5          782          438           76
# 3: chr17_45630589_C_A_b38 chr17_46033193_46033402  988;41 620;27 116;5          988          620          116
# 4: chr17_45630589_C_A_b38 chr17_46033461_46034160 1162;41 725;27 133;5         1162          725          133
# 5: chr17_45630589_C_A_b38 chr17_46033470_46034160    0;41   0;27   0;5            0            0            0
# 6: chr17_45630589_C_A_b38 chr17_46034280_46038537    5;41   4;27   0;5            5            4            0

# now filter
dt[ firstValue_0 == 0 & firstValue_0 > 1 & firstValue_2 > 1, ]

注意:根据您的示例数据，没有符合此条件的行。