我需要一种基于target_id过滤数据的方法。因为我有一组1600个target_id值没有一致的名称，而另一组包含“＆＃39; comp＆＃39;”，我认为最简单的方法是创建一个基于值的值的新列。 target_id。我有一个数百帧的数据帧看起来像这样（只是抓住随机行来显示它的要点）：
sample_id target_id l ength eff_length est_counts tpm
159 SRR3884838C CR1_Mam 2204 2005 0 0
160 SRR3884838C CYRA11_MM 617 418 0 0
161 SRR3884838C DERV2a_I 5989 5790 19 0.734541
162 SRR3884838C DERV2a_LTR 335 136 7 11.5213
1094236 SRR3884878C comp78901_c0_seq3_1 1115 916 113.4 32.3604
1094237 SRR3884878C comp85230_c0_seq1_1 1201 1002 514 134.088
1094238 SRR3884878C comp56944_c0_seq1_1 2484 2285 10.5 1.20115
我需要为包含＆＃39; comp＆＃39;的sample_ids创建一个值为1的新列（＆＃34; class＆＃34;）所有其他人都为0。这可能吗？该数据具有40个样本（SRR3884838 - > SRR3884878），并且每个样本具有相同的target_id集合，一组非均匀目标名称，然后是另一组都包含comp。示例（出于格式化原因删除了tpm列）
sample_id target_id length eff_length est_counts class
159 SRR3884838C CR1_Mam 2204 2005 0 0
160 SRR3884838C CYRA11_MM 617 418 0 0
161 SRR3884838C DERV2a_I 5989 5790 19 0
162 SRR3884838C DERV2a_LTR 335 136 7 0
1094236 SRR3884878C comp78901_c0_seq3_1 1115 916 113.4 1
1094237 SRR3884878C comp85230_c0_seq1_1 1201 1002 514 1
1094238 SRR3884878C comp56944_c0_seq1_1 2484 2285 10.5 1
我尝试使用merge函数首先创建一个新的数据框，该数据框的类列具有一组target_id的正确值，可能不正确的期望它会创建新列，其中一个target_id中的一个列出，但当我这样做时，它删除了eff_length列并与数据格式混淆。我发现的所有示例都是用户根据其他列创建新列的值来使用数字，我不知道如何使用字符串comp。这就是我的所作所为：
total <- merge(data frameA,data frameB,by="target_id")
是df A是我的原始数据，df B看起来像上面的类列一样。
答案 0 :(得分：1)
使用：
df$class <- as.integer(grepl('comp', df$target_id))
给出：
> df sample_id target_id length eff_length est_counts class 159 SRR3884838C CR1_Mam 2204 2005 0.0 0 160 SRR3884838C CYRA11_MM 617 418 0.0 0 161 SRR3884838C DERV2a_I 5989 5790 19.0 0 162 SRR3884838C DERV2a_LTR 335 136 7.0 0 1094236 SRR3884878C comp78901_c0_seq3_1 1115 916 113.4 1 1094237 SRR3884878C comp85230_c0_seq1_1 1201 1002 514.0 1 1094238 SRR3884878C comp56944_c0_seq1_1 2484 2285 10.5 1
答案 1 :(得分：-1)
sample$class <- as.numeric(grepl ("^comp", sample$target_id))怎么样？