マージとカウント類似文字列

Question

私は

Inputdf<-structure(list(df1 = structure(c(4L, 5L, 2L, 1L, 3L), .Label = c("P61160,P61158,O15143,O15144,O15145,P59998,O15511", 
"P78537,Q6QNY1,Q6QNY0", "Q06323,Q9UL46", "Q92793,Q09472,Q9Y6Q9,Q92831", 
"Q92828,Q13227,O15379,O75376,O60907,Q9BZK7"), class = "factor"), 
    df2 = structure(c(3L, 2L, 5L, 4L, 1L), .Label = c("", "P61158,O15143,O15144", 
    "Q06323,Q9UL46", "Q6QNY0", "Q92828"), class = "factor"), 
    df3 = structure(c(5L, 4L, 3L, 2L, 1L), .Label = c("", "O15511", 
    "Q06323,Q9UL46", "Q6QNY0", "Q92793,Q09472"), class = "factor")), .Names = c("df1", 
"df2", "df3"), class = "data.frame", row.names = c(NA, -5L)) 

私は

df1例については、このデータで同様の文字列を検索しようとしていますのような3列のデータを持って、私はQ92793,Q09472,Q9Y6Q9,Q92831を持っている最初の行を持っています はその後、私はDF2およびDF3を見て、これらのメンバーのいずれかがそこにあるかどうかを確認し、この例では、私は次のようなデータを作る

df1 df2 df3 Numberdf1  df2  df3 
1 0 1 4    0  Q92793,Q09472 

df1 1はdf1の最初の行を意味します df2 0は類似性を持たないことを意味します df3 1はdf3の最初の行がdf1行1と類似していることを意味します Numberdf1、,で区切られた文字列の数です。 DF3がここ

以下の機能がありません

out<- structure(list(df1 = 1:5, df2 = c(0L, 3L, 4L, 2L, 1L), df3 = c(1L, 
0L, 2L, 4L, 3L), Numberdf1 = c(4L, 6L, 2L, 7L, 2L), df2.1 = structure(c(1L, 
5L, 4L, 2L, 3L), .Label = c("0", "P61158,O15143,O15144", "Q06323,Q9UL46", 
"Q6QNY0", "Q92828"), class = "factor"), df3.1 = structure(c(5L, 
1L, 4L, 2L, 3L), .Label = c("0", "O15511", "Q06323,Q9UL46", "Q6QNY0", 
"Q92793,Q09472"), class = "factor")), .Names = c("df1", "df2", 
"df3", "Numberdf1", "df2.1", "df3.1"), class = "data.frame", row.names = c(NA, 
-5L)) 

以下のような欲求の出力が見えるに類似していた文字列を貼り付けQ92793、Q09472あるDF2どのような文字列のアコードがなかったので、4 DF2は0でありますたとえば、このデータを入力として使用しないでください

Inputdf1<- structure(list(df1 = structure(c(2L, 3L, 1L), .Label = c("Q06323,Q9UL46", 
"Q92793,Q09472,Q9Y6Q9,Q92831", "Q92828,Q13227,O15379,O75376,O60907,Q9BZK7" 
), class = "factor"), df2 = structure(1:3, .Label = c("P25788,P25789", 
"Q92828, O60907, O75376", "Q9UL46, Q06323"), class = "factor"), 
    df3 = structure(c(2L, 1L, 3L), .Label = c("Q92831, Q92793, Q09472", 
    "Q9BZK7, Q92828, O75376, O60907", "Q9UL46, Q06323"), class = "factor")), .Names = c("df1", 
"df2", "df3"), class = "data.frame", row.names = c(NA, -3L)) 

Answer 1

これはあなたの例のために働く：

# First convert factors to strings to lists 
Inputdf[] = lapply(Inputdf, as.character) 
Inputdf[] = lapply(Inputdf, function(col) sapply(col, function(x) unlist(strsplit(x,',')))) 

not.empty = function(x) length(x) > 0 
out = data.frame() 

for (r in 1:nrow(Inputdf)) { 
    df2.intersect = lapply(Inputdf$df2, intersect, Inputdf$df1[[r]]) 
    df3.intersect = lapply(Inputdf$df3, intersect, Inputdf$df1[[r]]) 

    out[r, 'df1'] = r 
    out[r, 'df2'] = Position(not.empty, df2.intersect, nomatch=0) 
    out[r, 'df3'] = Position(not.empty, df3.intersect, nomatch=0) 
    out[r, 'Numberdf1'] = length(Inputdf$df1[[r]]) 
    out[r, 'df2.1'] = paste(Find(not.empty, df2.intersect, nomatch=0), collapse=',') 
    out[r, 'df3.1'] = paste(Find(not.empty, df3.intersect, nomatch=0), collapse=',') 
} 

out 
# df1 df2 df3 Numberdf1    df2.1   df3.1 
# 1 1 0 1   4     0 Q92793,Q09472 
# 2 2 3 0   6    Q92828    0 
# 3 3 4 2   3    Q6QNY0  Q6QNY0 
# 4 4 2 4   7 P61158,O15143,O15144  O15511 
# 5 5 1 3   2  Q06323,Q9UL46 Q06323,Q9UL46 

注：FindとPositionのみ最初の一致を確認します。一致する可能性のあるものが複数ある場合は、whichを使用します。複数の一致

Inputdf[] = lapply(Inputdf, as.character) 
Inputdf[] = lapply(Inputdf, function(col) sapply(col, function(x) unlist(strsplit(x,',\\s*')))) 

not.empty = function(x) length(x) > 0 
out = data.frame() 

for (r in 1:nrow(Inputdf)) { 
    df2.intersect = lapply(Inputdf$df2, intersect, Inputdf$df1[[r]]) 
    df3.intersect = lapply(Inputdf$df3, intersect, Inputdf$df1[[r]]) 

    out[r, 'df1'] = r 
    out[r, 'df2'] = paste(which(sapply(df2.intersect, not.empty)), collapse=',') 
    out[r, 'df3'] = paste(which(sapply(df3.intersect, not.empty)), collapse=',') 
    out[r, 'Numberdf1'] = length(Inputdf$df1[[r]]) 
    out[r, 'df2.1'] = paste(unique(unlist(df2.intersect)), collapse=',') 
    out[r, 'df3.1'] = paste(unique(unlist(df3.intersect)), collapse=',') 
} 

out[out==""] = "0"