使用基于行和列的另一个表中的值填充表答案

【问题标题】：Populate table with values from another table based on both rows and columns使用基于行和列的另一个表中的值填充表
【发布时间】：2021-09-30 19:05:24
【问题描述】：

我有一个看起来像这样的空数据框：

df <- data.frame(Hugo_Symbol=c("CDKN2A", "JUN", "IRS2","MTOR",
                          "NRAS"),
                 A183=c(NA, NA, NA, NA, NA),
                 A240=c(NA, NA, NA, NA, NA),
                 A330=c(NA, NA, NA, NA, NA))

我想使用更大的数据框来填充前一个数据框。较大数据框的结构如下：

df2 <- data.frame(Hugo_Symbol=c("CDKN2A", "JUN", "IRS2","MTOR",
                          "NRAS", "TP53", "EGFR"),
                 A183=c(2.3, 3.3, 2.6, 4.7, 1.2, 5.7, 3.4),
                 A240=c(1.3, 2.3, 4.6, 5.7, 2.2, 7.7, 1.4),
                 A330=c(0.3, 2.3, 1.6, 1.7, 4.2, 1.7, 4.4),
                 A335=c(1.3, 0.3, 0.6, 0.7, 0.2, 0.7, 0.4),
                 A345=c(0.3, 4.3, 4.6, 4.7, 4.2, 4.7, 0.4))

我想要的输出应该是这样的：

Hugo_Symbol A183 A240 A330
1      CDKN2A  2.3  1.3  0.3
2         JUN  3.3  2.3  2.3
3        IRS2  2.6  4.6  1.6
4        MTOR  4.7  5.7  1.7
5        NRAS  1.2  2.2  4.2

我尝试使用dplyr 包，特别是semi_join() 函数，但它返回空表给我。

【问题讨论】：

标签： r dataframe populate

【解决方案1】：

我们可以使用连接

library(data.table)
nm1 <- names(df)[-1]
df[nm1] <- lapply(df[nm1], as.numeric)
setDT(df)[df2, (nm1) := mget(paste0('i.', nm1)), on = .(Hugo_Symbol)]

-输出

df
   Hugo_Symbol A183 A240 A330
1:      CDKN2A  2.3  1.3  0.3
2:         JUN  3.3  2.3  2.3
3:        IRS2  2.6  4.6  1.6
4:        MTOR  4.7  5.7  1.7
5:        NRAS  1.2  2.2  4.2

【讨论】：

【解决方案2】：

是否可以只从第一个数据框中删除 NA 列？如果是这样，左连接将产生所需的输出。

df <- data.frame(
  Hugo_Symbol = c("CDKN2A", "JUN", "IRS2", "MTOR",
                  "NRAS"),
  A183 = c(NA, NA, NA, NA, NA),
  A240 = c(NA, NA, NA, NA, NA),
  A330 = c(NA, NA, NA, NA, NA)
)

df2 <- data.frame(
  Hugo_Symbol = c("CDKN2A", "JUN", "IRS2", "MTOR",
                  "NRAS", "TP53", "EGFR"),
  A183 = c(2.3, 3.3, 2.6, 4.7, 1.2, 5.7, 3.4),
  A240 = c(1.3, 2.3, 4.6, 5.7, 2.2, 7.7, 1.4),
  A330 = c(0.3, 2.3, 1.6, 1.7, 4.2, 1.7, 4.4),
  A335 = c(1.3, 0.3, 0.6, 0.7, 0.2, 0.7, 0.4),
  A345 = c(0.3, 4.3, 4.6, 4.7, 4.2, 4.7, 0.4)
)

library(dplyr)

left_join(df["Hugo_Symbol"], df2, by = "Hugo_Symbol")

【讨论】：

【解决方案3】：

您也可以使用以下解决方案：

library(dplyr)

df %>%
  left_join(df2, by = "Hugo_Symbol") %>%
  mutate(across(ends_with(".x"), ~ coalesce(.x, get(gsub(".x", ".y", cur_column()))))) %>%
  select(Hugo_Symbol, ends_with(".x")) %>%
  rename_with(~ gsub(".x", "", .), ends_with(".x"))

  Hugo_Symbol A183 A240 A330
1      CDKN2A  2.3  1.3  0.3
2         JUN  3.3  2.3  2.3
3        IRS2  2.6  4.6  1.6
4        MTOR  4.7  5.7  1.7
5        NRAS  1.2  2.2  4.2

【讨论】：

【解决方案4】：

另一种方法-

left_joinhugo_symbol
然后在仅以后缀.y 和hugo_symbol 结尾的那些列上使用transmute across
按原样保留值。因此~.
使用.names 参数从名称中删除.y。使用正则表达式[.]y，这样它就不会被解释为通配符和y。

library(dplyr)

df %>% left_join(df2, by = 'Hugo_Symbol') %>%
  transmute(across(Hugo_Symbol | ends_with('.y'), ~., .names = '{gsub("[.]y", "", .col )}'))

#>   Hugo_Symbol A183 A240 A330
#> 1      CDKN2A  2.3  1.3  0.3
#> 2         JUN  3.3  2.3  2.3
#> 3        IRS2  2.6  4.6  1.6
#> 4        MTOR  4.7  5.7  1.7
#> 5        NRAS  1.2  2.2  4.2

^{由reprex package (v2.0.0) 于 2021 年 7 月 24 日创建}

【讨论】：

这很聪明！