仅使用通用row.names在R中组合data.frames

Question

我有五个不同样本集的基因表达数据的data.frames。我在每个data.set中有不同的行数，因此只有部分重叠的row.names (基因)。

现在，我希望a)过滤这五个data.frames，使其只包含所有data.frames中存在的基因，以及b)将这些基因的基因表达数据组合到一个data.frame中。

到目前为止，我只能找到merge，但它只能合并两个data.frames，所以我必须多次使用它。有没有更简单的方法？

Answer 1

如果您想要排除并非在每个数据框中都存在的行名，则合并效率不是很高。这里有一个不同的建议。

首先，三个示例数据帧：

df1 <- data.frame(a = 1:5, b = 1:5, 
                  row.names = letters[1:5]) # letters a to e
df2 <- data.frame(a = 1:5, b = 1:5, 
                  row.names = letters[3:7]) # letters c to g
df3 <- data.frame(a = 1:5, b = 1:5, 
                  row.names = letters[c(1,2,3,5,7)]) # letters a, b, c, e, and g
# row names being present in all data frames: c and e

将数据帧放入列表中：

dfList <- list(df1, df2, df3)

查找常用行名：

idx <- Reduce(intersect, lapply(dfList, rownames))

提取数据：

df1[idx, ]

  a b
c 3 3
e 5 5

PS。如果您希望保留所有数据帧中的相应行，则可以使用以下命令替换最后一步df1[idx, ]：

do.call(rbind, lapply(dfList, "[", idx, ))

Answer 2

查看this SO post中最上面的答案。只需列出您的数据框并应用以下代码行：

Reduce(function(...) merge(..., by = "x"), list.of.dataframes)

您只需调整by参数，以指定数据框应按哪个公共列合并。