Problem
我有两个数据框,我想使用三个非数字变量的条件语句来连接它们。这是我想要实现的伪代码版本。
Join DF1 and DF2 on DF1$A == DF2$A | DF1$A == DF2$B
Dataset
这是创建两个数据框的一些代码。variant_index
是将用于注释的数据框input
用一个left_join
:
library(dplyr)
options(stringsAsFactors = FALSE)
set.seed(5)
variant_index <- data.frame(
rsid = rep(sapply(1:5, function(x) paste0(c("rs", sample(0:9, 8, replace = TRUE)), collapse = "")), each = 2),
chrom = rep(sample(1:22, 5), each = 2),
ref = rep(sample(c("A", "T", "C", "G"), 5, replace = TRUE), each = 2),
alt = sample(c("A", "T", "C", "G"), 10, replace = TRUE),
eaf = runif(10),
stringAsFactors = FALSE
)
variant_index[1, "alt"] <- "T"
variant_index[8, "alt"] <- "A"
input <- variant_index[seq(1, 10, 2), ] %>%
select(rsid, chrom)
input$assessed <- c("G", "C", "T", "A", "T")
我尝试过的
我想表演一个left_join
on input
来注释eaf
专栏来自variant_index
。正如你可以看到input
数据框,其assessed
列可以匹配input$ref
或与input$alt
. The rsid
and chrom
列将始终匹配。
我知道我可以在by
的论证left_join
,但如果我理解正确的话,条件总是
input$assessed == variant_index$ref & input$assessed == variant_index$alt
而我想实现
input$assessed == variant_index$ref | input$assessed == variant_index$alt
可能的解决方案
可以像这样获得所需的输出:
input %>%
left_join(variant_index) %>%
filter(assessed == ref | assessed == alt)
但对我来说这似乎不是最好的解决方案,因为我可能会生成双倍的行,并且希望将此连接应用于包含 100M+ 行的数据帧。有更好的解决方案吗?