r - 如何在 R 中的 y 数据框中找到最接近 x 的值？

Question

我有两个数据框 x 和 y，它们都代表项目及其各自的位置(以整数表示)。 Dataframe x 响应 Genes 及其位置； dataframe y 响应增强器及其位置。对于数据框 x 中的每个基因，我想在 y 中找到位置最近的增强子。这是两个数据框的前五行:

Gene:           | Location:                            
----------------------------------                    
CORT            | 10450031             
LOC107985174    | 110639954
LOC105369199    | 120963648
CD1D            | 158178030
EPHA2           | 16124337


         Enhancer:                  |   Location:
-----------------------------------------------------
genic|NC_000001.11:180541-181713    |   180541
genic|NC_000001.11:819650-823755    |   819650   
genic|NC_000001.11:1290023-1294341  |   1290023
genic|NC_000001.11:2072541-2076498  |   2072541
genic|NC_000001.11:2132164-2134268  |   2132164

我一直在像这样使用 which.min():Enhancers[which.min(abs(x-Enhancers$location)),] where x 对应于给定基因的位置，这似乎有效，但它需要手动输入每个单独基因的位置。我想知道是否有一种方法可以同时对所有基因完成此操作。任何帮助将不胜感激，谢谢。

Answer 1

您可以展开包含两个数据集的网格，按基因分组并选择每个基因的位置绝对差异最小的行。

library(tidyr)
library(dplyr)
#> 
#> Attache Paket: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union

set.seed(2105)

x <- data.frame(Gene = letters[1:5], Location = 1:5)
y <- data.frame(Enhancer = letters[6:10], Location_enh = 5*runif(5))

x
#>   Gene Location
#> 1    a        1
#> 2    b        2
#> 3    c        3
#> 4    d        4
#> 5    e        5
y
#>   Enhancer Location_enh
#> 1        f    1.2275958
#> 2        g    2.2874741
#> 3        h    4.2954764
#> 4        i    4.2017862
#> 5        j    0.9555975

expand_grid(x, y) %>% 
  group_by(Gene) %>% 
  slice_min(abs(Location - Location_enh)) %>% 
  ungroup()
#> # A tibble: 5 x 4
#>   Gene  Location Enhancer Location_enh
#>   <chr>    <int> <chr>           <dbl>
#> 1 a            1 j               0.956
#> 2 b            2 g               2.29 
#> 3 c            3 g               2.29 
#> 4 d            4 i               4.20 
#> 5 e            5 h               4.30

^{由 reprex package 创建于 2022-08-15 (v2.0.1)}