在r dataframe中的列字符串之间获取差异

Question

我在R中有一个基本问题：

考虑到我有一个数据框架，每列将核苷酸突变的集合成两个样本“主要”和“次要”

major <- c("T2A,C26T,G652A")
minor <- c("T2A,C26T,G652A,C725T")

df <- data.frame(major,minor)
tibble(df)

#A tibble: 1 x 2
  major          minor               
  <chr>          <chr>               
1 T2A,C26T,G652A T2A,C26T,G652A,C725T

，我想确定“次要”中存在的突变不在“专业”中。

我知道，如果那些“主要”和“次要”突变是存储的矢量，我可以使用setdiff获得这种差异，但是，我收到的数据被存储为长字符串，其中有一些突变由逗号分隔，而我不喜欢t知道如何将此列字符串转换为数据框架中的列向量以获得此差异（我尝试了无成功）。

直接在列中使用SetDiff：

setdiff(df$minor, df$major)
# I got
[1] "T2A C26T G652A C725T"

预期的结果是：

C725T

有人可以帮助我吗？

最好的，

Answer 1

这在多行数据框架上起作用，按行进行比较：

library(dplyr)
major <- c("T2A,C26T,G652A", "world")
minor <- c("T2A,C26T,G652A,C725T", "hello,world")

df <- data.frame(major,minor)

df %>%
  mutate(
    across(c(major, minor), strsplit, split = ",")
  ) %>%
  mutate(
    diff = mapply(setdiff, minor, major)
  )
#              major                   minor  diff
# 1 T2A, C26T, G652A T2A, C26T, G652A, C725T C725T
# 2            world            hello, world hello

请注意，它确实修改了Major和Minor列，将它们变成每个内包含字符向量的列表列排。如果您需要保留原始内容，则可以将.names参数转换为。

Answer 2

最简单的方法；定义主要和minor作为字符vector

major＆lt; - c（“ t2a”，“ c26t”，“ g652a”）

和

Minor＆lt; - C（“ T2A”，“ C26T”，“ G652A”，“ C725T”）

，

df <- tibble(major, minor)
setdiff(df$minor, df$major)
#> "C725T"

如果不可能将主要和小型级分为字符向量，则可以使用stringr 包裹做这项工作。

library(stringr)

major <- c("T2A,C26T,G652A")
minor <- c("T2A,C26T,G652A,C725T")

df <- tibble(
  major = str_split(major, pattern = ",", simplify = TRUE), 
  minor = str_split(minor, pattern = ",", simplify = TRUE)
)

setdiff(df$minor, df$major)
#> "C725T"