如果前一个值已经存在于 R 中的数据框中，则迭代循环以提供新值

Question

我在这里有一个包含此信息的数据框：

df <- data.frame("string1" = c("ABECDE","ABECDE","ABECDE"), 
             "string2" = c("ABCD","ABCD","ABCD"),
             "site1" = NA, "site2" = NA, "combine" = NA, "filtered" = NA)

我想编写一个代码，在字符串中选择站点 E 和 D 并将它们添加到数据框中。 如果组合已经创建，我希望它返回并选择一个新组合并再次检查，直到它得到一个尚未选择的组合。

我在下面提供了我到目前为止所做的代码，它给出了以下输出：

  string1 string2 site1 site2 combine filtered
1  ABECDE    ABCD    E3    D4    E3D4     E3D4
2  ABECDE    ABCD    E3    D4    E3D4     <NA>
3  ABECDE    ABCD    E3    D4    E3D4     <NA>

这里，E3D4 是你第一次通过函数时得到的值。 我现在希望它返回并选择下一个可能的组合： 接下来两行的 E6D4 和 D5D4 但我不知道如何正确地构造迭代。

这是我到目前为止的代码（可能有一种不太冗余的方式来编写它，但我是初学者，所以如果它过长，请见谅）

#make the columns of string1 and string2 into vectors 
string1 <- df$string1
string2 <- df$string2

#for each string in the vector check to see first if it has an E, if not, then a D
#get the output as a letter and its position (eg E3)
for (i in 1:nrow(df)){
if (grepl("E", string1[i])){
  sites1 = gregexpr('E', string1[i])
  df$site1 <- paste0(substring(string1[i], sites1[[1]][1], sites1[[1]][1]), sites1[[1]][1])
  } else if (grepl("D", string1[i])){
    sites = gregexpr('D', string1[i])
    df$site1 <- paste0(substring(string1[i], sites1[[1]][1], sites1[[1]][1]), sites1[[1]][1])
  }
}
#do the same for the second vector
for (i in 1:nrow(df)){
if (grepl("E", string2[i])){
  sites2 <- gregexpr('E', string2[i])
  df$site2 <- paste0(substring(string2[i], sites2[[1]][1], sites2[[1]][1]), sites2[[1]][1])
} else if (grepl("D", string2[i])){
  sites2 <- gregexpr('D', string2[i])
  df$site2 <- paste0(substring(string2[i], sites2[[1]][1], sites2[[1]][1]), sites2[[1]][1])
}
}
#combine the sites
df$combine <- paste0(df$site1, df$site2)

#for each row of combined sites, check to see if the value is already created
for (i in 1:nrow(df)){
  if(!df$combine[i] %in% df$filtered){
    df$filtered[i] <- df$combine[i]
  } else if(df$combine[i] %in% df$filtered){
    #go back to for loop and look for either another E in the list
    #if there is none, go to the next condition (looking for a D).
    #pick the next possible values, put them together and check again
    #do this continuously until you get a unique combine.
    #do this for string1 and then string2 (or alternating both, which ever is easier)
}
}

Answer 1

也许您可以简化并尝试以下操作。

创建一个自定义函数，它将检测字符串中“D”和“E”的所有位置。然后使用expand.grid 获取这些位置的所有组合。在您的示例数据中，这将包括位置 3、5、6 与位置 4 的组合（最后是 3 种组合：(3, 4)、(5, 4) 和 (6, 4)）。

然后，您可以通过将来自位置的字母与位置编号组合paste 来遍历这些组合中的每一个并创建所需的字符串。一个列表将保存这些结果，并在最后与rbind 组合在一起。

还有几个问题，包括是否存在找不到“D”或“E”字母的情况。

my_fun <- function(x) {
  p1 <- as.numeric(unlist(gregexpr(pattern = 'D|E', x[["string1"]])))
  p2 <- as.numeric(unlist(gregexpr(pattern = 'D|E', x[["string2"]])))
  cbn <- expand.grid(p1, p2)
  lst <- list()
  for (i in seq_len(nrow(cbn))) {
    site1 <- paste0(substr(x[["string1"]], cbn[i, "Var1"], cbn[i, "Var1"]), cbn[i, "Var1"])
    site2 <- paste0(substr(x[["string2"]], cbn[i, "Var2"], cbn[i, "Var2"]), cbn[i, "Var2"])
    lst[[i]] <- c(string1 = x[["string1"]], string2 = x[["string2"]], site1 = site1, site2 = site2, combine = paste0(site1, site2))
  }
  return(as.data.frame(do.call("rbind", lst)))
}

do.call(rbind, apply(df, 1, my_fun))

我创建了示例数据来对此进行测试：

  string1 string2 site1 site2 combine filtered
1  ABECDE    ABCD    NA    NA      NA       NA
2  AABCDE    ABCE    NA    NA      NA       NA
3  ABCDDE    ACDD    NA    NA      NA       NA

这将给出以下输出：

   string1 string2 site1 site2 combine
1   ABECDE    ABCD    E3    D4    E3D4
2   ABECDE    ABCD    D5    D4    D5D4
3   ABECDE    ABCD    E6    D4    E6D4
4   AABCDE    ABCE    D5    E4    D5E4
5   AABCDE    ABCE    E6    E4    E6E4
6   ABCDDE    ACDD    D4    D3    D4D3
7   ABCDDE    ACDD    D5    D3    D5D3
8   ABCDDE    ACDD    E6    D3    E6D3
9   ABCDDE    ACDD    D4    D4    D4D4
10  ABCDDE    ACDD    D5    D4    D5D4
11  ABCDDE    ACDD    E6    D4    E6D4