string - 数据帧切片

Question

我希望这个问题对于这个委员会来说不会太简单。

我创建了一个data.frame df:

       CAS        Name        CID
89  13010-47-4   Lomustine         3950
90 130209-82-4   Latanoprost       5311221,5282380,46705340,3890
91 130636-43-0   Nifekalant        268083
92 130929-57-6   Entacapone        5281081

和一个向量 vec

[1] 5282380 18471829 45923789 44308022 44266812 24883465 24867475 24867460

我想提取 df 中包含任意数量的 vec 的行。我尝试通过以下代码解决这个问题:

 df$GC[(df$CID %in% vec)] = 1

 df[df$GC==1,]

但此解决方案的问题是，我只能获取 CID 列中仅包含一个数字的行。不会出现在 CID 中包含多个值(如第 90 行)的行。

这个问题有一个优雅的解决方案吗？

提前致谢

Answer 1

考虑到您对 EDi 答案的评论(我喜欢)，我想我应该提出建议。

将逗号分隔值压缩到数据框的单列中是很尴尬的，并且(根据我的经验)只会导致挫败感。我经常发现将其保存在单独的数据结构(列表)中更简单:

dat <- read.table(text = "       CAS        Name        CID
   13010-47-4   Lomustine         3950
  130209-82-4   Latanoprost       5311221,5282380,46705340,3890
  130636-43-0   Nifekalant        268083
  130929-57-6   Entacapone        5281081",sep = "",header = TRUE)

cid <- sapply(dat$CID,strsplit,",",USE.NAMES = FALSE)

在这种形式下，事情通常更容易处理:

ID <- c(5282380, 18471829, 45923789, 44308022, 44266812, 24883465, 24867475, 24867460, 3950)
dat[sapply(cid,function(x) {any(x %in% as.character(ID))}),]
          CAS        Name                           CID
1  13010-47-4   Lomustine                          3950
2 130209-82-4 Latanoprost 5311221,5282380,46705340,3890

如果您担心顺序发生变化，您始终可以使用 dat 中的行名称和列表名称来保持每个项目的正确性。

(另请注意，我的匿名函数假设 R 的作用域规则最终会找到 ID；如果您愿意，您可以更改该函数以显式传入 ID .)