1

Me gustaría filtrar un tabla acorde con el valor de otra tabla:

En una tabla tengo el valor con el que me gustaría filtrar cada género:

    cov.means: 
    genera              mean.coverage
    Nucleorhabdovirus     10.3
    Tritimovirus          2.54
    Potyvirus             5.4

Y la tabla en la que me gustaría filtrar acorde con los valores de coverage previamente citados es esta:

vir.val.df.uniq:

    sseqid       genera             Lib  mean.coverage 
    NC_000874  Nucleorhabdovirus   PV163   84.14
    NC_000974  Tritimovirus        PV002   30.14
    NC_000574  Potyvirus           PV154   44.14
    NC_000574  Potyvirus           PV100   54.14
    NC_000974  Tritimovirus        PV098   21.14
    NC_000874  Nucleorhabdovirus   PV163   74.14
    NC_000974  Tritimovirus        PV002   06.14
    NC_000574  Potyvirus           PV154   04.14
    NC_000574  Potyvirus           PV100   03.14
    NC_000974  Tritimovirus        PV098   01.14

Para un valor establecido previamente (10 por ejemplo) se como es la función:

vir.val.df.uniq.list <- sort(unique(vir.val.df.uniq$sseqid[vir.val.df.uniq$mean.coverage >= "10"]))

Pero no se como relacionar los valores de mean coverage de la primera tabla con la segunda tabla.

Gracias de antemano.

2 respuestas 2

2

Entiendo que quieres usar los valores de mean.covered de la segunda tabla para filtrar los valores mayores o iguales de la primera.

Adapté una solución de https://stackoverflow.com/questions/37289405/dplyr-left-join-by-less-than-greater-than-condition . Usa fuzzyjoin::. Uso inner_join() para que solo queden aquellas que tienen match de los lados del join.

read_delim("
sseqid       genera             Lib  mean.coverage
NC_000874  Nucleorhabdovirus   PV163   84.14
NC_000974  Tritimovirus        PV002   30.14
NC_000574  Potyvirus           PV154   44.14
NC_000574  Potyvirus           PV100   54.14
NC_000974  Tritimovirus        PV098   21.14
NC_000874  Nucleorhabdovirus   PV163   74.14
NC_000974  Tritimovirus        PV002   06.14
NC_000574  Potyvirus           PV154   04.14
NC_000574  Potyvirus           PV100   03.14
NC_000974  Tritimovirus        PV098   01.14", 
           delim = " ", trim_ws = T) -> foo

read_delim("    genera              mean.coverage
    Nucleorhabdovirus     10.3
    Tritimovirus          2.54
    Potyvirus             5.4", delim = " ", trim_ws = T) -> bar

library(fuzzyjoin)

fuzzy_inner_join(foo, bar,
                 by = c("genera", "mean.coverage"), #El número de columnas de empate debe ser igual al número de funciones de empate 
                 match_fun = list(`==`, `>=`))      # == a genera y >= mean.coverage


   # A tibble: 4 x 4
   sseqid    genera            Lib   mean.coverage
  <chr>     <chr>             <chr> <chr>        
1 NC_000874 Nucleorhabdovirus PV163 84.14        
2 NC_000874 Nucleorhabdovirus PV163 74.14        
3 NC_000574 Potyvirus         PV154 44.14        
4 NC_000574 Potyvirus         PV100 54.14     

Es muy buena librería fuzzyjoin, la había usado para empatar cadenas de caracteres con errores de ortografía, pero para esto también sirve.

1

Si correspondiera trabajar mean.coverage como una variable numérica, puedes resolverlo así:

vir.val.df.uniq %>% 
  left_join( cov.means,by = c("genera")) %>% 
  filter(as.numeric(mean.coverage.x) > as.numeric(mean.coverage.y)) %>% 
  select(sseqid, genera, Lib, mean.coverage = mean.coverage.x)
1
  • ambas opciones funcionan genial, ¡muchas gracias a los dos! Commented el 1 may. 2020 a las 19:59

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.