如何识别数据集之间的匹配字符串？

Question

我一直在尝试用答案来回答其他类似的问题，但没有成功。我有两个数据集：

#df1:
Gene
ACE
BRCA
HER2

#df2:
Gene       interactors
GP5       ACE, NOS, C456
TP53      NOS, BRCA, NOTCH4

我希望在我的第一个数据集中添加一列，以识别在我的第二个数据集中显示为交互作用的基因。

输出：

#df1:
Gene   Matches
ACE      TRUE
BRCA     TRUE
HER2     FALSE

目前我正在尝试df1$Matches <- mapply(grepl, df1$Gene, df2$interactors)这个运行，但是当我增加df1中的基因数量时，匹配的数量下降，这是没有意义的，因为我没有删除任何最初运行的基因，使我认为这并不像我预期的那样工作。

我也尝试过：

library(stringr)
df1 %>% 
+     rowwise() %>% 
+     mutate(exists_in_title = str_detect(Gene, df2$interactors))
Error: Column `exists_in_title` must be length 1 (the group size), not 3654
In addition: There were 50 or more warnings (use warnings() to see the first 50)

我还尝试了dplyr版本，但出现了相同的错误。

我还能用什么其他方法来解决这个问题呢？任何帮助都将不胜感激。

输入数据：

dput(df1)
structure(list(Gene = c("ACE", "BRCA", "HER2")), row.names = c(NA, 
-3L), class = c("data.table", "data.frame"))

dput(df2)
structure(list(Gene = c("GP5", "TP53"), interactors = c("ACE, NOS, C456", 
"NOS, BRCA, NOTCH4")), row.names = c(NA, -2L), class = c("data.table", 
"data.frame"))

Answer 1

您可以使用strsplit进行拆分

library(dplyr)
df1$Matches <-  df1$Gene %in% trimws(unlist(strsplit(df2$interactors, ",")))

> df1
  Gene Matches
1  ACE    TRUE
2 BRCA    TRUE
3 HER2   FALSE

Answer 2

这是一个结合了tidyr和Base R的答案。首先，我们读取数据：

text1 <- "Gene
ACE
BRCA
HER2"
text2 <- "Gene|interactors
GP5|ACE, NOS, C456
TP53|NOS, BRCA, NOTCH4"

df1 <- read.csv(text = text1,header = TRUE,stringsAsFactors = FALSE)
df2 <- read.csv(text = text2,header = TRUE,stringsAsFactors = FALSE,sep = "|")

接下来，我们分离df2中的交互，并使用生成的向量在df1中创建逻辑变量。

df2 <- separate_rows(df2,interactors)
df1$matches <- ifelse(df1$Gene %in% df2$interactors,TRUE,FALSE)
df1

对输出执行...and操作：

> df1
  Gene     matches
1  ACE        TRUE
2 BRCA        TRUE
3 HER2       FALSE
> 

Answer 3

使用基数R

genes <- df1$Gene
res <- genes %in% trimws(unlist(strsplit(df2$interactors, ",")))

结果

> res
[1]  TRUE  TRUE FALSE

可以使用以下命令将其添加到df1

df1$Matches <- res