将两列与另外两列进行匹配
我有几行数据（分隔标签）。 我想找到匹配来自两列（第3和第4）在每行中的元素与另外两列（第 10和第11）的行 。 例如，在第1行中 ，第3＆4列中的 95428891＆95443771 与 第19行中第 10和11列中的元素匹配。 同样的倒数也是如此。 第19行第 3和4 列中的元素也与第1行中第 10和11列中的元素相匹配。 我需要能够遍历每行并输出相应匹配的行索引。 有时可能有时只有一列匹配而不是两者匹配（因为有时候会有重复的数字），但是我只需要选择两列匹配的行以及相互匹配的地方。 因此，在互相匹配的情况下输出行索引是个好主意，例如， 1＆19作为制表符分隔值（可能位于不同的data.frame对象中）。 而没有相互匹配的行可以单独输出。 我正试图在R中实现这个功能，以便运行多行数据。
1313 chr2 95428891 95443771 14880 chr2:96036782 205673 + chr2 96036782 96052481
1313 chr2 95428896 95443771 14875 chr2:97111880 205214 - chr2 97111880 97127588
1313 chr2 95443771 95526464 82693 chr2:95609272 1748861 - chr2 95609272 95691902
1313 chr2 95477143 95486318 9175 chr2:97616847 177391 + chr2 97616847 97626039
1313 chr2 95486323 95521267 34944 chr2:97035158 268351 + chr2 97035158 97070183
1313 chr2 95515418 95525958 10540 chr2:95563236 132439 + chr2 95563236 95572666
1314 chr2 95563236 95572666 9430 chr2:95515418 132439 + chr2 95515418 95525958
1314 chr2 95563236 95572666 9430 chr2:95609778 126017 - chr2 95609778 95620287
1314 chr2 95563236 95569115 5879 chr2:97064308 89848 + chr2 97064308 97070183
164 chr2 95609272 95691902 82630 chr2:95443771 1748861 - chr2 95443771 95526464
1314 chr2 95609778 95620287 10509 chr2:95563236 126017 - chr2 95563236 95572666
1314 chr2 95614473 95649363 34890 chr2:97035158 394821 - chr2 97035158 97070173
1314 chr2 95649368 95658543 9175 chr2:97616847 177822 - chr2 97616847 97626039
164 chr2 95775062 95814080 39018 chr2:97578938 0 - chr2 97578938 97616780
1315 chr2 95778788 95781856 3068 chr2:97609982 31302 - chr2 97609982 97616788
164 chr2 95780657 95829665 49008 chr2:96053880 882178 - chr2 96053880 96102738
1316 chr2 95829982 95865446 35464 chr2:97296848 242680 - chr2 97296848 97333087
1316 chr2 95829982 95935104 105122 chr2:97438085 1169669 + chr2 97438085 97544431
1317 chr2 96036782 96052481 15699 chr2:95428891 205673 + chr2 95428891 95443771
你没有指出你会考虑一个正确的答案，并且当你谈论“哪里存在互惠匹配”时，你的术语似乎有点模糊，但是如果我正确地理解任务，找到col.3 == col的所有行。 10＆col.4 == col.11，那么这应该完成任务：
which( outer(indat$V4, indat$V11, "==") &
outer(indat$V3, indat$V10, "=="),
arr.ind=TRUE)
# result
row col
[1,] 19 1
[2,] 10 3
[3,] 7 6
[4,] 8 6
[5,] 6 7
[6,] 11 8
[7,] 3 10
[8,] 7 11
[9,] 8 11
[10,] 1 19
外部函数将函数'FUN'应用于x和y（它的第一个和第二个参数）的所有双向组合，所以在这里我们得到一个带有逻辑条目的nxn矩阵，我正在使用逻辑“和”两个这样的矩阵“。 所以与其他行匹配的行是：
unique( c(which( outer(indat$V4, indat$V11, "==") &
outer(indat$V3, indat$V10, "=="),
arr.ind=TRUE) ))
#[1] 19 10 7 8 6 11 3 1
所以没有匹配的集合，假设名为indat的data.frame是：
matches <- unique( c(which( outer(indat$V4, indat$V11, "==") &
outer(indat$V3, indat$V10, "=="), arr.ind=TRUE) ))
indat[ ! 1:NROW(indat) %in% matches, ]
与比赛的人是：
indat[ 1:NROW(indat) %in% matches, ]
迪文的答案是坚实的，然而对于大型数组，通常超过5万个左右，随着您创建的矩阵巨大，您将遇到内存问题。
我会做这样的事情：
match(
interaction( indat$V3, indat$V10),
interaction( indat$V4, indat$V11)
);
它将所有感兴趣的值连接成因子并进行匹配。
这是一个不那么纯粹的解决方案，但更快/更易于管理。
下面的函数compare利用R的快速排序功能。 函数参数a和b是矩阵; 对于任意数量的列， a中的行将被屏蔽以匹配b中的行。 在列顺序不相关的情况下，将row_order=TRUE设置为使行条目按递增顺序排序。 猜测函数应该与数据框和字符/因素列一起工作，以及a和/或b重复条目。 尽管使用for ＆ while它相对较快地返回b的第一行匹配，对于a （或0 ，如果找不到匹配）的每一行。
compare<-function(a,b,row_order=TRUE){
len1<-dim(a)[1]
len2<-dim(b)[1]
if(row_order){
a<-t(apply(t(a), 2, sort))
b<-t(apply(t(b), 2, sort))
}
ord1<-do.call(order, as.data.frame(a))
ord2<-do.call(order, as.data.frame(b))
a<-a[ord1,]
b<-b[ord2,]
found<-rep(0,len1)
dims<-dim(a)[2]
do_dims<-c(1:dim(a)[2])
at<-1
for(i in 1:len1){
for(m in do_dims){
while(b[at,m]<a[i,m]){
at<-(at+1)
if(at>len2){break}
}
if(at>len2){break}
if(b[at,m]>a[i,m]){break}
if(m==dims){found[i]<-at}
}
if(at>len2){break}
}
return(found[order(ord1)]) # indicates the first match of a found in b and zero otherwise
}
# example data sets:
a <- matrix(sample.int(1E4,size = 1E4, replace = T), ncol = 4)
b <- matrix(sample.int(1E4,size = 1E4, replace = T), ncol = 4)
b <- rbind(a,b) # example of b containing a
# run the function
found<-compare(a,b,row_order=TRUE)
# check
all(found>0)
# rows in a not contained in b (none in this example):
a[found==0,]
上一篇: match two columns with two other columns
下一篇: How to do a basic left outer join with data.table in R?