在 r 中，使用字符串，就像我输入它一样

Question

我正在处理 r 中真正让我感到困惑的一个方面。我构建的是一行代码调用 str_remove 保存为字符串。如果我将该字符串复制粘贴到我想使用这行代码的位置，它会按预期完美运行。 但是我无法让 r 正确解释此代码。我试过使用例如解析，但用于 str_remove 正则表达式的转义字符会引发错误。

难道没有一种简单的方法可以将字符串视为一行输入的代码吗？

这是我的可重现示例：

制作玩具数据：

maf_list_context <- list(as.data.frame(cbind(c("ATTATCGAATT", "ATTATTTTAAA"), c("this one", "not that one"))),
                     as.data.frame(cbind(c("ATTACGTAATT", "ATTATTTTAAA"), c("this one too", "not that one either")))   )

maf_list_context <- lapply(maf_list_context, function(x)
{colnames(x) <- c("CONTEXT", "want_it")
return(x)
})

这个想法是上下文将是一个函数的参数并且它可以是灵活的，因此用户可以提供任意数量的以逗号分隔的感兴趣的上下文。这些将是 stringr 正则表达式，旨在在一串 11 个碱基中查找 DNA 中的特定上下文。例如，在这里我们可以使用两个感兴趣的上下文。下面的代码将这些组合起来，形成一个表达式，供以后从列表中的数据框中选择适当的行。

context <- "\\w{5}CG\\w{4}, \\w{4}CG\\w{5}"

contextvec <- unlist(str_split(context, pattern = ", "))

contextexpression <- c()

for(i in 1:length(contextvec)){
  
  contextexpression <- paste0(contextexpression, "str_detect(x$CONTEXT, pattern = '", contextvec[i], "') |")
  
}

contextexpression <- str_remove(contextexpression, pattern = " \\|$")

'contextexpression' 现在是：

[1] "str_detect(x$CONTEXT, pattern = '\\w{5}CG\\w{4}') |str_detect(x$CONTEXT, pattern = '\\w{4}CG\\w{5}')"

如果我将此表达式直接粘贴到 apply 中，它会完全按照我的意愿工作。

 > lapply(maf_list_context, function(x){
+   
+   x[str_detect(x$CONTEXT, pattern = '\\w{5}CG\\w{4}') |str_detect(x$CONTEXT, pattern = '\\w{4}CG\\w{5}'), ]
+   
+ })

[[1]]
      CONTEXT  want_it
1 ATTATCGAATT this one

[[2]]
      CONTEXT      want_it
1 ATTACGTAATT this one too

当然，如果我在那里使用字符串，它不会。

> lapply(maf_list_context, function(x){
+   
+   x[contextexpression, ]
+   
+ })

[[1]]
   CONTEXT want_it
NA    <NA>    <NA>

[[2]]
   CONTEXT want_it
NA    <NA>    <NA>

我尝试了许多不同的功能，但没有一个可以使这项工作。有没有办法让 r 像我直接输入一样解释这个字符串？

整个reprex：

if (!require("stringr") {
  install.packages("stringr", dependencies = TRUE)
  library("stringr")

maf_list_context <- list(as.data.frame(cbind(c("ATTATCGAATT", "ATTATTTTAAA"), c("this one", "not that one"))),
                         as.data.frame(cbind(c("ATTACGTAATT", "ATTATTTTAAA"), c("this one too", "not that one either")))   )

maf_list_context <- lapply(maf_list_context, function(x){
  colnames(x) <- c("CONTEXT", "want_it")
  return(x)
})

context <- "\\w{5}CG\\w{4}, \\w{4}CG\\w{5}"

contextvec <- unlist(str_split(context, pattern = ", "))

contextexpression <- c()

for(i in 1:length(contextvec)){
  
  contextexpression <- paste0(contextexpression, "str_detect(x$CONTEXT, pattern = '", contextvec[i], "') |")
  
}

contextexpression <- str_remove(contextexpression, pattern = " \\|$")

maf_list_select <- lapply(maf_list_context, function(x){
  
  x[contextexpression, ]
  
})

Answer 1

我不确定我是否完全遵循您希望输入的内容以及如何应用它，但您的问题似乎与您传递给子集运算符的内容有关，即x[<codehere>]

子集运算符需要一个逻辑向量。当你“粘贴表达式”时，你实际上是在粘贴一个被评估为逻辑向量的表达式，因此它是正确的子集。当您传递变量contextexpression 时，实际上是在传递一个字符串。正如 R 所见：

x[ "str_detect(x$CONTEXT, pattern = '\\w{5}CG\\w{4}') |str_detect(x$CONTEXT, pattern = '\\w{4}CG\\w{5}')", ]

而不是（注意语法高亮的区别）：

x[ str_detect(x$CONTEXT, pattern = '\\w{5}CG\\w{4}') |str_detect(x$CONTEXT, pattern = '\\w{4}CG\\w{5}'), ]

您希望将每个上下文应用于列表的每个成员以获取逻辑向量，然后获取子集。

purrr::map2(maf_list_context, contextvec, ~.x[str_detect(.x$CONTEXT, .y), ])

如果您想将contextvec 中的每个项目与maf_list_context 中的每个项目进行比较，那么它有点复杂但可行。

purrr::map2(
  maf_list_context, 
  purrr::map(
    maf_list_context, 
    function(data){
      purrr::reduce(contextvec, 
                    function(prev, cond) str_detect(data$CONTEXT, cond) | prev, 
                    .init = logical(length(contextvec))
      )
    } 
  ),
  ~.x[.y]
)

可能有一种更有效的方法可以将匹配项与maf_list_context 中的项目短路，但一般方法适用。 str_detect 处理单个条件与单个 maf_list 项的比较。 reduce 调用将contextvec 与maf_list_context 中的单个项目的所有比较结果组合为单个布尔值。内部map 遍历maf_list_context。外部map2 遍历由内部map 和maf_list_context 创建的布尔值列表以匹配子集。

如果maf_list_context 有n 个项目，contextvec 有m 个项目：

• reduce 进行 m 次比较，得到 1 个值
• map 对 reduce 进行 n 次调用会产生 n 个值
• map2 对子集 maf_list_context 进行 n 次迭代