如何使用模式列表在列中查找字符串，并将匹配的模式添加到下一列的同一行中

Question

我有一个包含RNASeq样本，基因符号和表达数据的数据框。我想根据样本类别对它们进行分组。

Sample             Gene     Exp 
---------------------------------
A.56.100e.ax       prk1     3.56
A.100CAS.500e.er   prk1    45.20 
A.300.EFE1.cx      prk1     0.21
A.56.100e.ax       csk     51.50
A.100CAS.500e.er   csk    321.47 
A.300.EFE1.cx      csk    186.78

我想做的是按如下所示在单独的列中添加类别，

Sample             Gene     Exp    Category
-------------------------------------------
A.56.100e.ax       prk1     3.56   A.56
A.100CAS.500e.er   prk1    45.20   A.100CAS
A.300.EFE1.cx      prk1     0.21   A.300
A.56.100e.ax       csk     51.50   A.56
A.100CAS.500e.er   csk    321.47   A.100CAS
A.300.EFE1.cx      csk    186.78   A.300

谢谢

Answer 1

我们可以使用sub来捕获字符后跟数字。

df$Category <- sub('([A-Z]\\..*?)\\..*', '\\1', df$Sample)
df

#            Sample Gene    Exp Category
#1     A.56.100e.ax prk1   3.56     A.56
#2 A.100CAS.500e.er prk1  45.20 A.100CAS
#3    A.300.EFE1.cx prk1   0.21    A.300
#4     A.56.100e.ax  csk  51.50     A.56
#5 A.100CAS.500e.er  csk 321.47 A.100CAS
#6    A.300.EFE1.cx  csk 186.78    A.300

数据
df <- structure(list(Sample = structure(c(3L, 1L, 2L, 3L, 1L, 2L), 
    .Label = c("A.100CAS.500e.er", "A.300.EFE1.cx", "A.56.100e.ax"), 
    class = "factor"), Gene = structure(c(2L, 2L, 2L, 1L, 1L, 1L),
    .Label = c("csk", "prk1"), class = "factor"), 
     Exp = c(3.56, 45.2, 0.21, 51.5, 321.47, 186.78)), 
   class = "data.frame", row.names = c(NA, -6L))

Answer 2

我们可以使用str_remove来匹配.，后跟一个或多个不是.的字符，直到字符串的结尾（$）

library(stringr)
df1 %>%
    mutate(Category = str_remove(Sample, "\\.[^.]+$"))

带有base R
df$Category <- sub("\\.[^.]+$", "", df1$Sample)