regex_left_join (fuzzyjoin)没有按预期工作

Question

我试图根据一个表中的正则表达式在R中执行一个联接。据我所知，模糊连接包应该正是我所需要的，但我无法让它起作用。下面是我试图做的事情的一个例子：

library(tidyverse)
library(fuzzyjoin)

(typing_table <- tribble(
  ~typing,
  "DPB02:01",
  "DPB04:02"
)
)

(P_group_table <- tribble(
  ~P_group, ~Alleles,
  "DP1", "DPB01:01:01:01/DPB01:01:01:02/DPB01:01:01:03",
  "DP2", "DPB02:01:02:01/DPB02:01:02:02/DPB02:01:02:03",
  "DP3", "DPB03:01:01:01/DPB03:01:01:02/DPB03:01:01:03",
  "DP4", "DPB04:01:01:01/DPB04:01:01:02/DPB04:01:01:03"
)
 )

我试图通过搜索“等位基因”字符串中的“the”值将P_group_table加入到typing_table。我使用了以下表达式：

(typing_table %>% regex_left_join(P_group_table, by = c("typing" = "Alleles")))

结果是一个联接，但正确表中的值是空的。我想我一定是误解了regex_left_join表达式的语法，但我无法理解。我已经验证了可以使用以下代码将“the”值用作regex模式：

(typing_table_2 <- typing_table %>% slice_head)

(P_group_table %>% filter(str_detect(Alleles, typing_table_2$typing)))

Answer 1

我们可以利用str_detect作为match_fun在fuzzy_.*_join中的应用

library(fuzzyjoin)
library(stringr)
fuzzy_right_join(P_group_table, typing_table, by = c("Alleles" = "typing"), 
       match_fun = str_detect)

或可能使用

regex_right_join(P_group_table, typing_table, by = c("Alleles" = "typing"))
# A tibble: 2 × 3
  P_group Alleles                                      typing  
  <chr>   <chr>                                        <chr>   
1 DP2     DPB02:01:02:01/DPB02:01:02:02/DPB02:01:02:03 DPB02:01
2 <NA>    <NA>                                         DPB04:02

请注意切换pattern时的差异

> str_detect("DPB02:01", "DPB02:01:02:01/DPB02:01:02:02/DPB02:01:02:03")
[1] FALSE
> str_detect("DPB02:01:02:01/DPB02:01:02:02/DPB02:01:02:03", "DPB02:01")
[1] TRUE

执行left_join的一个选项是在执行连接之前从'P_group_table‘获取子字符串

left_join(typing_table, P_group_table %>%
     mutate(typing = substr(Alleles, 1, 8)), by = "typing")
# A tibble: 2 × 3
  typing   P_group Alleles                                     
  <chr>    <chr>   <chr>                                       
1 DPB02:01 DP2     DPB02:01:02:01/DPB02:01:02:02/DPB02:01:02:03
2 DPB04:02 <NA>    <NA>