根据略有不同的列合并2个数据表答案

【问题标题】：Merge 2 data table according to a slightly different column根据略有不同的列合并2个数据表
【发布时间】：2019-01-04 18:04:16
【问题描述】：

我有 2 个数据表，我想根据列中的一些重叠合并它们。我正在考虑做类似的事情

df_3

但是我有一个小问题，因为我要合并的列的格式略有不同。

头部（df_1）

Category Chromosome Loci Start  Loci End         Gene ID   Gene Symbol Strand Distance to TSS
1   Intron      chr10  047322187 047324337 ENST00000581492          GDF2      +             772
2    5'UTR      chr11  064210702 064211489 ENST00000541252        FERMT3      +            3278
3   Intron      chr11  128685393 128686512 ENST00000572256 RP11-744N12.3      -             476
4   Intron      chr11  128692708 128693199 ENST00000608303          FLI1      +            6418
5   Intron      chr12  005989201 005989836 ENST00000261405           VWF      -          135157
6   Intron      chr12  006036674 006037359 ENST00000261405           VWF      -           87659

头部（df_2）

  Chromosome     Start       End n_of_interactions stats
1      chr10  47322187  47324337                12  9.68
2      chr11  64210702  64211489                10  7.63
3      chr11 128685393 128686512                12  6.01
4      chr11 128692708 128693199                10  6.51
5      chr12   5989201   5989836                17  5.51
6      chr12   6036674   6037359                11  7.19

df_1$Loci Start 和df_2$Start 基本上是相同的数字，但在df_1 中有起始0 到最多9 个数字。你有什么建议来解决这个问题吗？

谢谢

【问题讨论】：

Loci Start的数据类型是什么？如果它是数字，那么前导零将被自动删除。
太棒了！我不知道。以非常简单的方式排序！非常感谢！
这似乎很容易用前导零解决...如果不是这种情况，请尝试fuzzyjoin-package 中的功能

标签： r

【解决方案1】：

您可以在两个数据集中创建一个匹配列，其中包含 loci.start/start 作为数字向量；这将去掉前导的 0。所以

df_1$merge <- as.numeric(df_1$['Loci Start'])
df_2$merge <- as.numeric(df_2$Start)
df_3 <- merge(x = df_1, y = df_2, all = TRUE, by = 'merge')

【讨论】：

【解决方案2】：

您可以使用stringr包中的str_pad在Start左侧添加0并将其转换为char，然后合并

【讨论】：

【解决方案3】：

您也可以这样做（删除前导零）：

df_1['Loci Start'] = gsub(pattern = '.*0', replacement = '', df_1['Loci Start'])

然后，合并：

df_3 <- merge(x = df_1, y = df_2, all = TRUE, by.x = "Loci Start", by.y = "Start")

【讨论】：

【解决方案4】：

如果您希望能够使用管道/tidyverse，您可以这样做。

library(tidyverse)

df_1 %>%
 mutate(`Loci Start` = as.numeric(`Loci Start`)) %>%
 left_join(df_2, by = c("Loci Start" = "Start")) # change for the type of join you want

【讨论】：