R语言:数据筛选match的使用详解

数据筛选是在分析中最常用的步骤，如微生物组分析中，你的OTU表、实验设计、物种注释之间都要不断筛选，来进行数据对齐，或局部分析。

今天来详解一下此函数的用法。

match

match：匹配两个向量，返回x中存在的返回索引或TRUE、FALSE

match函数使用格式有如下两种:

第一种方便设置参数，返回x中元素在table中的位置

match(x, table, nomatch = NA_integer_, incomparables = NULL)

第二种简洁，返回x中每个元素在table中是否存在

x %in% table

参数详解

x: 向量, 要匹配的值;

table: 向量, 被匹配的值;

nomatch: 没匹配上的返回值, 必须是整数;

incomparables: 指定不能用来匹配的值.

match函数是一个完全匹配函数, 当两个元素类型不一样时, 如果进行类型转换后匹配得上的话, 则仍可匹配, 可看下例.

匹配上且返回位置

match(c(1, "TRUE"), c(T, 0, "1"))

返回3 1，即1位于表中的3号位，TRUE位于1号位，且T和TRUE可匹配成功

c(1, "TRUE", F) %in% c(T, 0, "1")

返回TRUE TRUE FALSE，表示每个元素在table中是否存在

pmatch

pmatch函数是一个部分匹配函数, 依次从x里面挑出元素, 对照table进行匹配, 若匹配上则剔除匹配上的值, 不再参与下次匹配, duplicate.ok可设置是否剔除; 对于某一个元素,

匹配一共分成三步:

1、如果可以完全匹配, 则认为匹配上了, 返回table中的位置;

2、不满足上述条件, 如果是唯一部分匹配, 则返回table中的位置;

3、不满足上述条件, 则认为没有值与其匹配上.

pmatch函数的格式

pmatch(x, table, nomatch = NA_integer_, duplicates.ok = FALSE)

x: 向量, 要匹配的值;

table: 向量, 被匹配的值;

nomatch: 没匹配上的返回值, 必须是整数;

duplicates.ok: table里面的元素是否可以适用多次.

默认不允许重复使用table中元素，返回位置1 2 3

pmatch(rep(1, 3), rep(1, 5))

允许重复，返回位置1 1 1

pmatch(rep(1, 3), rep(1, 5), duplicates.ok = TRUE)

补充：R语言实例-数据过滤

1、问题

一组数据，变量有40个，就是40列。

我要做数据筛选。

1.第一列中包含语段"a11","a12","b23"。请注意是包含，实际不存在“a11”,往往是“a1120”之类的信息

2.第二列中不包含“美国”、“日本”等信息。请注意，也是不包含，而不是不等于。

请问具体的R语言语句应该怎么写？

2、解决

假设楼主的数据为一数据框，名字为“testdat”，第一列名"a"，第二列名"b"，则过滤语句为：

result<-subset(testdat,grepl("a11|a12|b23",testdat$a) & !grepl("美国|日本",testdat$b))

3、注意

grep()函数返回的是匹配元素的索引，grepl()返回的是匹配或不匹配的逻辑值：

grep(value = FALSE) returns a vector of the indices of the elements of x that yielded a match (or not, for invert = TRUE. This will be an integer vector unless the input is a long vector
grepl returns a logical vector (match or not for each element of x).

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。