如何测试不相等数量级别的因子的不等式？

Question

例如，假设您要计算 80 个残基肽段中的所有相同残基，当残基出现在另一个肽段的相同位置时，就会发生匹配。但问题是级别的数量可能不一样，因为一些代表肽的字母 [A - Z] 将出现在一个肽中，但不会出现在下一个肽中。为简单起见，假设我们正在所有三个肽段中寻找完全相同的残基（字母在这些相同位置匹配），因此答案是 BOOLEAN TRUE 或 FALSE 语句，其中 TRUE 是如果它们都匹配，FALSE 是如果它们不符合。同样的问题是因素的数量不一样，所以你不能测试peptide_x ==peptide_y。

编码：

> peptide_x <- as.factor(sample(LETTERS[1:26], replace = TRUE, 80))
> peptide_y <- as.factor(sample(LETTERS[1:26], replace = TRUE, 80))
> peptide_z <- as.factor(sample(LETTERS[1:26], replace = TRUE, 80))

您可以使用以下命令检查肽中缺少 26 个残基的字母表中的哪些字母：

> setdiff(LETTERS[1:26], peptide_x)

[1]“是”

所以我们看到“Y”（酪氨酸）缺失。当您创建随机肽段时，您可能会遗漏一两个字母，您可以对任何肽段执行此操作。

如果我尝试比较具有相同水平的因素，那么这是可行的：

> x <- c("M", "N", "A", "Q", "C")
> y <- c("N", "M", "A", "C", "Q") 
> xy_frame <- data.frame(x,y)
> xy_frame
> x == y

[1] FALSE FALSE TRUE FALSE FALSE 如您所见，A 匹配，所以第三个元素“A”是唯一的事实。

令人震惊的是，这个测试有效：

> x <- c("A", "A", "B", "Q", "C")
> y <- c("A", "Q", "C", "D", "R")
> x == y
[1]  TRUE FALSE FALSE FALSE FALSE

即使因素的数量不一样。所以我想知道我的数据类型是否有问题，这就是我无法测试的原因：

> peptides <- data.frame(peptide_x, peptide_y)
> peptides$peptide_x == peptides$peptide_y

Ops.factor(peptides$peptide_x,peptides$peptide_y) 中的错误： 水平组的因素是不同的

那么，如果这是问题所在，我该如何修复我的数据类型，或者我是否正在运行正确的测试？

我只想计算 TRUE - FALSE 来表示不同的因子水平。

评论：

%in% 是否无法正常工作，因为...

头部（肽_x） [1] "C" "T" "X" "Z" "M" "A"

头部（肽_y） [1] “R” “G” “T” “U” “G” “U”

头（肽_x %in% 肽_y） [1] 对对对对对对对对对对对对对对

例如，每个肽段的前 6 个字母不匹配，但它显示的是 TRUE！如何？

Answer 1

让所有关卡都存在，即使它们不存在

x <- factor(sample(LETTERS[1:26], replace = TRUE, 80), levels = LETTERS) 
y <- factor(sample(LETTERS[1:26], replace = TRUE, 80), levels = LETTERS) 
z <- factor(sample(LETTERS[1:26], replace = TRUE, 80), levels = LETTERS)

注意我如何将每个向量中的levels 设置为相同，即使有些向量不存在也可以

> x==y
 [1] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[14] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
[27] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[40] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[53]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[66] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[79] FALSE FALSE
> x==z
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[14] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[27] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
[40] FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
[53] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[66] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[79] FALSE FALSE
> y==z
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE
[14] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE
[27] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[40] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
[53] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[66] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[79] FALSE FALSE

或者，您可以将它们转换为字符并进行比较

Answer 2

参考此代码：

x <- c("A", "A", "B", "Q", "C")
y <- c("A", "Q", "C", "D", "R")
R> x == y
[1]  TRUE FALSE FALSE FALSE FALSE

这是因为您将字符向量 x 与字符向量 y 进行比较。我会跳过这些因素并使用%in% 运算符进行类似的测试：

R> peptide_x <- sample(LETTERS[1:26], replace = TRUE, 80)
R> peptide_y <- sample(LETTERS[1:26], replace = TRUE, 80)

R> peptide_x %in% peptide_y
 [1]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
[20]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE
[39]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
[58]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE
[77]  TRUE  TRUE  TRUE FALSE