Question

我有4个数据集（a，b，c，d），我想找到至少有两个数据集中存在的字符串。我的数据如下：

 head(a)

[1] MLH3      PCSK7     PKMYT1    C14orf132 ANP32A    POLQ     
1634 Levels: AARS ABAT ABCA8 ABCC9 ABCE1 ABHD3 ABHD5 ABL1 ABLIM1 ACADVL ACAN ACAT2 ACBD3     ACD ACLY ACOT2 .

head(b)

[1] ZCCHC10  DYNLL1   ERBB2IP  C17orf75 BUB1B    PLK1    
 1311 Levels: AASDHPPT ABAT ABCA6 ABCG1 ABI1 ACAA1 ACACB ACO2 ACOX1 ACSL1 ACSL3 ACSL4     ACTR6 ADAMTS1 ADCYAP1R1 ... ZRANB2

head(c)

[1] UBE2Q1    PCSK9     ZDHHC11   GMDS      PPP2R3B   C20orf117
1247 Levels: ABCC2 ABCC5 ABCF1 ABCG1 ABHD14B ABHD5 ABL1 ABLIM2 ABTB2 ACAD8 ACD ACO1 ACOT9 ACSL3 ACSS2 ACTA2 ... ZYG11B

head(d)

[1] UBE2Q1    PCSK9     ZDHHC11   GMDS      PPP2R3B   C20orf117
1247 Levels: ABCC2 ABCC5 ABCF1 ABCG1 ABHD14B ABHD5 ABL1 ABLIM2 ABTB2 ACAD8 ACD ACO1 ACOT9 ACSL3 ACSS2 ACTA2 ... ZYG11B

我正在考虑使用R

中的intersect()函数

Answer 1

您可以在四个向量中创建一个唯一元素的列表，然后返回重复的元素，这些元素是出现在两个或多个向量中的元素：

all.vals <- c(unique(a), unique(b), unique(cc), unique(d))
unique(all.vals[duplicated(all.vals)])
# [1] "UBE2Q1"    "PCSK9"     "ZDHHC11"   "GMDS"      "PPP2R3B"   "C20orf117"

请注意，我将您的第三个向量重命名为cc，因此您没有覆盖内置函数c：

a <- c("MLH3", "PCSK7", "PKMYT1", "C14orf132", "ANP32A", "POLQ")
b <- c("ZCCHC10", "DYNLL1", "ERBB2IP", "C17orf75", "BUB1B", "PLK1")
cc <- c("UBE2Q1", "PCSK9", "ZDHHC11", "GMDS", "PPP2R3B", "C20orf117")
d <- c("UBE2Q1", "PCSK9", "ZDHHC11", "GMDS", "PPP2R3B", "C20orf117")

找到至少两个数据集中常见的字符串

1 个答案: