R数据框如何取交集

生信交流平台

发布于 2022-09-21 15:14:42

1.7K0

发布于 2022-09-21 15:14:42

文章被收录于专栏：用户7627119的专栏

前面给大家介绍过了

☞R批量预测miRNA和靶基因之间的调控关系-ENCORI篇

☞R批量预测miRNA和靶基因之间的调控关系-TargetScan篇

有小伙伴拿自己的数据试了一下，反馈预测结果太多了。一般对于多个数据库或者多个软件预测的结果，可以通过取交集来提高预测结果的可信度，并且这样也能大大减少最后预测结果的数目。

我们前面介绍过☞RNA相互作用神器——ENCORI，这个数据库就提供多个miRNA靶基因预测软件的预测结果。你可以在查询miRNA靶基因的时候限定使用哪些预测软件（如下图红圈所示），这样得到的结果就是多个预测软件预测结果的交集。这里需要注意，限定的软件越多，得到的结果会越少，也有可能完全得不到结果，所以这个需要根据自己数据的实际情况确定。

那么我们怎么利用R代码来对miRNA预测结果取交集呢？

我们知道一般在R里，对向量取交集，直接用intersect函数就可以了。

a=c("a","b","c")
b=c("b","c","g")
intersect(a,b)
#[1] "b" "c"

a=1:4
b=3:7
intersect(a,b)
#[1] 3 4

那么如果想对R里面的数据框取交集该如何操作呢？miRNA预测结果都是两列的数据框。

我们首先来创建两个数据框，模拟一下不同的软件的预测结果

set.seed(123)
df1=data.frame(mir=sample(LETTERS,26),target=c(rep("TP53",13),rep("PTEN",13)))
df2=data.frame(mir=sample(LETTERS,26),target=c(rep("TP53",13),rep("PTEN",13)))

如果直接用R里面默认的intersect函数来对数据框取交集，结果是不对的

而我们希望得到的结果是对两列都取交集。

下面给大家介绍三种对R数据框取交集的方法

方法一、我们将各列的信息合并成一个字符串，然后取交集

#将各列的信息用_连接起来
combine1=apply(df1,1,function(x) paste(x,collapse = "_"))
combine2=apply(df2,1,function(x) paste(x,collapse = "_"))
#查看合并后的字符串向量1和字符串向量2的交集
index=combine1 %in% combine2
#取出原始的数据框的交集数据
result1=df1[index,]
#保存数据框交集的结果
write.table(file="intersect1.txt",result1,quote=F,row.names = F,sep="\t")

方法二、利用dplyr包里的intersect函数

#加载dplyr包
library(dplyr)
#直接利用dplyr包里面的intersect函数对数据框取交集
result2=intersect(df1,df2)
#保存交集结果
write.table(file="intersect2.txt",result2,quote=F,row.names = F,sep="\t")
#查看跟第一种方法得到的结果是否一致
all_equal(result1,result2)
#[1] TRUE

方法三、利用data.table包里的fintersect函数

#加载data.table包
library(data.table)
#将数据框转换成data.table格式，然后利用fintersect函数取交集
result3=fintersect(setDT(df1), setDT(df2))
#保存交集结果
write.table(file="intersect3.txt",result3,quote=F,row.names = F,sep="\t")
#查看跟第一种方法得到的结果是否一致
all_equal(result1,result3)
#[1] TRUE