r - 过滤表以排除行(如果它们包含第二个表的列中的值)

Question

我有一个主表，其中包含超过 ###,000 行(前 7 行如下所示)。这些对应于基因组中的位置以及 Affymetrix(和 dbSNP)赋予它们的一个(或两个标识符)。

Affy SNP ID dbSNP RS ID Chromosome  Chromosome Start
Affx-26018273   rs10056215  5   163542505

然后我有另一个只有 46 行的表。如果这些行同时具有在第二个表的 46 行之一中找到的染色体和染色体起始值，我需要从主表中删除这些行。这是第二个表；它没有 Affymetrix/dbSNP 标识符。

1   5641055

如何过滤掉这些记录？

Answer 1

您可以使用 dplyr 包中的 anti_join 函数，或该包的 filter 函数。

假设您的 data.frame 是内置的 mtcars，并且您想从以下 data.frame 中过滤出具有气缸值的汽车，即具有 4 或 6 个气缸的汽车:

dontuse <- data.frame(cyl = c(4,6), blah = c(1,2))

你可以运行:

anti_join(mtcars, dontuse)

或

mtcars %>%
  filter(! cyl %in% dontuse$cyl)

这两个都返回 cyl 不是 4 或 6 的行。

    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
1  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
2  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
3  16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
4  17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
5  15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
6  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
7  10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
8  14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
9  15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
10 15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
11 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
12 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
13 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
14 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8