如何在 R 中的多个列中为 grep 选择多个值？

Question

这是我的第一个问题，对不起，如果我做错了，很抱歉这么长......

我有一张来自整个属的基因组表，我想在较小的水平上进行比较，例如在一个或多个物种内进行比较。我的表包含 3 列：p1、p2 和百分比标识。我的行是每个物种之间的比较。

p1 和 p2 一样包含基因组列表。以最低数字开头的任何数字都放在 p1 中，而具有较高数字的数字放在 p2 中。基因组名称的格式为 1_1_1，因此 p1 可能是 1_1_1，p2 可能是 2_1_1200，但如果 p2 是 3_1_23，则在下一行中 p1 可能是 2_1_1200。第三列是它们之间的百分比同一性，但我认为不应该相关。

多个基因组属于同一个物种，但它们没有任何顺序。例如，42、54、210 和 694 是同一物种。我只想找到 p1 和 p2 都包含这些数字的行，所以 42 到 54、54 到 210 等，但不是 1 到 42。这个物种只有 4 个基因组，但有些有多达 582 个要比较.

到目前为止： 它们是细菌基因组，所以基因顺序不一样，第三位对应基因位置，所以我一直用“^42”来称呼42_1_622。我不想要 642_1，所以我将 42 锚定到开头。所有中间数字都是 1。

subset_species_1 <- rbind(x[grep("^42_", x$p1), ], 
            x[grep("^42_", x$p2), ], 
            x[grep("^54_", x$p1), ], 
            x[grep("^54_", x$p2), ],
            x[grep("^210_", x$p1), ],
            x[grep("^210_", x$p2), ],
            x[grep("^694_", x$p1), ],
            x[grep("^694_", x$p2), ])

这显然很乏味，它给了我在任一列中包含任何这些基因组的所有行，而不仅仅是在两列中包含这些基因组的行。

另外，每张表只代表一个基因，理想情况下，我想为每张表使用相同的子集，其中有数千个。

提前谢谢你，我需要我能得到的所有帮助！

编辑添加：我在 R/Rstudio 中这样做

Answer 1

这样的事情怎么样。与其使用正则表达式来查找开头，不如将第一个下划线之前的数字与其余数字分开，看看它们是否在某个预定义的值向量中。这就是我在下面所做的，find_vals 是我正在寻找的值。

library(glue)
library(dplyr)
library(stringr)
set.seed(402943)
dat <- tibble(
  p1 = glue("{sample(1:250, 250, replace=TRUE)}_1_{sample(1:250, 250, replace=TRUE)}"), 
  p2 = glue("{sample(1:250, 250, replace=TRUE)}_1_{sample(1:250, 250, replace=TRUE)}"),
  p = runif(250, 0,1)
)

find_vals <- as.character(42:100)
dat %>% mutate(p11 = str_split(p1, "_", simplify=TRUE)[,1], 
              p21 = str_split(p2, "_", simplify=TRUE)[,1]) %>% 
  filter(p11 %in% find_vals & p21 %in% find_vals)
# A tibble: 16 x 5
#   p1       p2            p p11   p21  
#   <glue>   <glue>    <dbl> <chr> <chr>
# 1 54_1_222 93_1_180 0.626  54    93   
# 2 61_1_47  48_1_47  0.639  61    48   
# 3 74_1_89  99_1_42  0.556  74    99   
# 4 54_1_71  87_1_144 0.287  54    87   
# 5 54_1_10  71_1_140 0.216  54    71   
# 6 57_1_242 79_1_107 0.238  57    79   
# 7 70_1_185 71_1_55  0.538  70    71   
# 8 48_1_140 80_1_139 0.0752 48    80   
# 9 72_1_105 62_1_56  0.213  72    62   
# 10 70_1_241 64_1_220 0.857  70    64   
# 11 57_1_213 97_1_47  0.432  57    97   
# 12 55_1_56  45_1_249 0.907  55    45   
# 13 55_1_9   44_1_156 0.633  55    44   
# 14 59_1_153 96_1_228 0.154  59    96   
# 15 61_1_97  99_1_189 0.556  61    99   
# 16 83_1_56  86_1_85  0.787  83    86   
#