僅當數據框列包含某個值時才從中提取數據

Question

對於R語言中的編程來說，這是一個全新的知識，我有一個數據框，我試圖通過僅通過在“名稱”列中包含特定名稱的情況下拉整整行來創建更簡潔的表。 名稱全都在單獨的文本文檔中。 有什么建議么？

我試過了：

refGenestable <- dbGetQuery(con, "select row_names, name, chrom, strand, txStart, txEnd from refGene where name in c_Gene")

其中c_Gene是我需要測試已變成數據幀的名稱列表。 我也嘗試過將其轉換成字符串列表並進行迭代，但是也遇到了問題

編輯：對不起，我還在學習混亂！ 我在R中創建了數據框（“ refGenestable”）（但是的，它來自SQL數據庫），但現在我希望將其范圍縮小到僅包含與我在文本文件c_Genes中具有相同名稱的行，其中每個名稱以\\ n分隔。 我從該文件創建了一個列表

Answer 1

您可能在這里遇到一些問題。 很難確切知道您需要什么，因為不清楚數據的結構是什么。

一般問題很容易回答。

如果您有一個數據框，並且想要一個僅包含向量中名稱的新框架，則可以使用DF[DF$name %in% <some vector>)或dplyr filter(DF, name %in% <some vector>) 。 但是，您不能使用%in%來測試數據中是否包含某些內容。 您實際上必須在另一個數據框中提取變量。

如果要保留的名稱是文本文件中的行，那么您還會問一個有關如何將文本文件放入R的問題，在這種情況下，它是my_vector <- readLines("path to file") 。 實際的代碼將取決於文件的結構，但是如果每個元素都在換行符上，則將執行您想要的操作。

如果要保留的名稱在另一個數據框中，則需要將它們提取為矢量，以便使用%in% ，即filter(DF, name, name %in% OTHERDF$name)

編輯：從您的編輯到問題，我的答案可能對您有用。 但是，同樣，我們不確定是否看不到數據的結構（可以通過粘貼dput(<your object>)的輸出來提供數據。這是上面的答案，使用對象的名稱你已經描述過了

gene_names <- readLines("c_Genes")
# is that really the name? No extension? Is it in your working directory?
# if not, you need to use a relative or absolute path for c_Genes

genes_you_want <- refGenestable[refGenestable$name %in% gene_names,]
# is the column with the gene name called name? 
# don't forget the comma at the end

# or with dplyr
install.packages("dplyr")
library(dplyr)

genes_you_want <- filter(refGenestable, name %in% gene_names)