求问用R如何根据特定的条件筛选需要的数据

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这个是小弟手头的一组数据（经过简化）
第三列为数据类型，四五列为跨越长度，第九列为特征ID，其余不管

1、首先我想只留下表1第三列为A的行，把A1A2A3的列都去掉，变成表2那样
2、其次，比如以EF为出发点，我想提取出以四五列的长度为依据，向上200、向下200距离的特征ID。比如EF的跨度是301到400，要把它上面100-300的AB,CD的ID，下面400-600的GH，IJ的ID提取出来
3、再进一步，如果要从CD，IL出发，分别同时把CD上下的AB，EF和IL上下的GH，KL的ID提取出来
求问用R应该如何写出程序？ 谢谢各位

chr1	HAVANA	A	100	200	.	+	.	ID = AB
chr1	HAVANA	A1	100	120	.	+	.	ID = AB
chr1	HAVANA	A2	121	156	.	+	.	ID = AB
chr1	HAVANA	A3	157	200	.	+	.	ID = AB
chr1	HAVANA	A	201	300	.	+	.	ID = CD
chr1	HAVANA	A1	201	267	.	+	.	ID = CD
chr1	HAVANA	A2	268	289	.	+	.	ID = CD
chr1	HAVANA	A3	289	300	.	+	.	ID = CD
chr1	HAVANA	A	301	400	.	-	.	ID = EF
chr1	HAVANA	A1	301	345	.	-	.	ID = EF
chr1	HAVANA	A2	346	378	.	-	.	ID = EF
chr1	HAVANA	A3	378	400	.	-	.	ID = EF
chr1	HAVANA	A	401	500	.	-	.	ID = GH
chr1	HAVANA	A1	401	434	.	-	.	ID = GH
chr1	HAVANA	A2	434	477	.	-	.	ID = GH
chr1	HAVANA	A3	477	500	.	-	.	ID = GH
chr1	HAVANA	A	501	600	.	-	.	ID = IJ
chr1	HAVANA	A1	501	524	.	-	.	ID = IJ
chr1	HAVANA	A2	524	568	.	-	.	ID = IJ
chr1	HAVANA	A3	568	600	.	-	.	ID = IJ
chr1	HAVANA	A	601	700	.	-	.	ID = KL
chr1	HAVANA	A1	601	647	.	-	.	ID = KL
chr1	HAVANA	A2	647	700	.	-	.	ID = KL

表1

chr1	HAVANA	A	100	200	.	+	.	ID = AB
chr1	HAVANA	A	201	300	.	+	.	ID = CD
chr1	HAVANA	A	301	400	.	-	.	ID = EF
chr1	HAVANA	A	401	500	.	-	.	ID = GH
chr1	HAVANA	A	501	600	.	-	.	ID = IJ
chr1	HAVANA	A	601	700	.	-	.	ID = KL

表2

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：条件筛选 数据类型 CHR Van CDC

2,3条件有点含糊，不好明白作者的意图

colinxf 发表于 2017-7-20 13:55
2,3条件有点含糊，不好明白作者的意图

对于第二点，说的就是只剩下第三列是A的行，其他行都删掉
对于第三点，其实可以这样理解，我从中间的一行出发，比如ID=GH那行，然后对于第四列的其他变量，减去它在+-100以内，我就把对应的ID提取出来，比如301-401=-100，于是把ID=EF取出，下面的501-401=100，于是把ID=IJ提出，用这个条件，我就筛选出了ID=EF和ID=IJ这两个元素

分别对每一个ID进行对4列5列上下100之内的匹配？

colinxf 发表于 2017-7-20 14:41
分别对每一个ID进行对4列5列上下100之内的匹配？

第二部我已经做出来，现在就差第三步

这样说吧，首先我要根据ID名称检索出它所在行数，然后得到所在行的start值或是end值，然后用start值或是end值减去同列的其他所有数值，在一定范围内的我就把对应的ID值提取出来，或者是整行都提取出来

pxh3280 发表于 2017-7-20 15:04
第二部我已经做出来，现在就差第三步

这样说吧，首先我要根据ID名称检索出它所在行数，然后得到所在行 ...

1. setwd("D:/")
   
2. library(stringr)
   
3. da<-read.csv("E:/data/R/name1.csv")
   
4. da<-da[which(da[,3]=="A"),]
   
5. n<-dim(da)[1]
   
6. ##第四列
   
7. for (i in 1:n)
   
8. {
   
9.   dis<-abs(da[,4]-da[i,4])
   
10.   re<-da[which(dis<=100),]
    
11.   name<-as.character(da[i,9])
    
12.   name<-substr(name,6,7)
    
13.   write.table(re,file=paste(name,"-4.txt",sep=""),row.names = F,col.names = F)
    
14.   #每个ID相邻的数据都会输出到一个以该ID命名的txt文档中
    
15. }
    
16. #同理可得到第5列
    
17. for (i in 1:n)
    
18. {
    
19.   dis<-abs(da[,5]-da[i,5])
    
20.   re<-da[which(dis<=100),]
    
21.   name<-as.character(da[i,9])
    
22.   name<-substr(name,6,7)
    
23.   write.table(re,file=paste(name,"-5.txt",sep=""),row.names = F,col.names = F)
    
24.   #每个ID相邻的数据都会输出到一个以该ID命名的txt文档中
    
25. }

复制代码

谢谢，但我想问  “name<-substr(name,6,7)”   这里的6和7是什么意思呢？  
而且如果我想从任一一个ID开始的话，如何在for循环里写明？   
用您写的这些代码，我最后出的结果是第五行和第六行整行的数据，如果我只想要AB，CD，EF这些标志，是否有办法实现呢。
谢谢

第一个问题：字符串截取，截取第6个到7个字符，也就是把“ID = AB”的“ＡＢ”提出来
第二个问题：把所有的筛选出来了，你想从那个ID开始，你直接从结果中选取就可以了
第三个问题：

1. setwd("D:/")
   
2. library(stringr)
   
3. da<-read.csv("E:/data/R/name1.csv")
   
4. da<-da[which(da[,3]=="A"),]
   
5. n<-dim(da)[1]
   
6. #把数据中的“ＩＤ＝”去掉
   
7. da[,9]<-sapply(da[,9],function(x){substr(x,6,7)})
   
8. ##第四列
   
9. for (i in 1:n)
   
10. {
    
11.   dis<-abs(da[,4]-da[i,4])
    
12.   re<-da[which(dis<=100&dis>0),9]
    
13.   re<-c(da[i,9],re)
    
14.   re=t(re)
    
15.   write.table(re,file="start.txt",row.names = F,col.names = F,append=T,quote =F)
    
16.   #结果中每一行的第一个就是目标ID，后面的就是距离这个目标ID在100范围内的ID
    
17. }
    
18. #同理可得到第5列
    
19. for (i in 1:n)
    
20. {
    
21.   dis<-abs(da[,5]-da[i,5])
    
22.   re<-da[which(dis<=100&dis>0),9]
    
23.   re<-c(da[i,9],re)
    
24.   re=t(re)
    
25.   write.table(re,file="end.txt",row.names = F,col.names = F,append = T,quote =F)
    
26. }

复制代码

colinxf 发表于 2017-7-22 13:38
第一个问题：字符串截取，截取第6个到7个字符，也就是把“ID = AB”的“ＡＢ”提出来
第二个问题：把所有的 ...

非常感谢您的解答，我还有一些问题，希望您不吝赐教
1. 每次循环都会得到一个ID，如果我希望每次得到的ID都储存为一行，最后只输出一个单独的表格
2. 提取每次循环得到ID的所在行，将整行提取出，并最终输出为一个单独的表格
要做到这两点请问应该怎么写呢？

第一点已经做到了，就是把每个ID相邻的都存在了一行。