중복 매칭

R의 data.table로 데이터 결합하기

Scott Ritchie

Postdoctoral Researcher in Systems Genomics

조인 키 중복

# Which bacteria could be found at both sites using any method?
site1_ecology[site2_ecology, on = .(genus)]

다중 매칭 오류

site1_ecology[site2_ecology, on = .(genus)]


Error in vecseq(f__, len__, if (allow.cartesian || notjoin || 
!anyDuplicated(f__,  : 
  Join results in 12 rows; more than 10 = nrow(x)+nrow(i). Check for 
  duplicate key values in i each of which join to the same group in x over 
  and over again. If that's ok, try by=.EACHI to run j for each group to 
  avoid the large allocation. If you are sure you wish to proceed, rerun 
  with allow.cartesian=TRUE. Otherwise, please search for this error message 
  in the FAQ, Wiki, Stack Overflow and data.table issue tracker for advice.

다중 매칭 허용

allow.cartesian = TRUE를 사용하면 조인을 계속 진행할 수 있습니다:

# data.table syntax
site1_ecology[site2_ecology, on = .(genus), allow.cartesian = TRUE]

# merge()
merge(site1_ecology, site2_ecology, by = "genus", allow.cartesian = TRUE)

다중 매칭 허용

site1_ecology[site2_ecology, on = .(genus), allow.cartesian = TRUE]

           genus count method present i.method
 1: Nitrosomonas   500    WGS    TRUE      WGS
 2: Nitrosomonas   620    16S    TRUE      WGS
 3: Nitrosomonas   500    WGS    TRUE      16S
 4: Nitrosomonas   620    16S    TRUE      16S
 5: Nitrosomonas   500    WGS    TRUE  Culture
 6: Nitrosomonas   620    16S    TRUE  Culture
 7:    Rhizobium   360    WGS    TRUE      WGS
 8:    Rhizobium   300    16S    TRUE      WGS
 9:    Rhizobium   360    WGS    TRUE      16S
10:    Rhizobium   300    16S    TRUE      16S
11:    Rhizobium   360    WGS   FALSE  Culture
12:    Rhizobium   300    16S   FALSE  Culture

결측값

결측값(NA)은 다른 결측값과 매칭됩니다:

결측값 필터링

!is.na()를 사용하여 결측값이 있는 행을 필터링할 수 있습니다

site1_ecology <- site1_ecology[!is.na(genus)]
site1_ecology

          genus count method
1: Nitrosomonas   500    WGS
2:    Rhizobium   360    WGS

site2_ecology <- site2_ecology[!is.na(genus)]
site2_ecology

          genus present  method
1: Nitrosomonas    TRUE Culture
2:    Rhizobium    TRUE Culture
3:  Azotobacter    TRUE Culture

첫 번째 매칭만 유지

site1_ecology[site2_ecology, on = .(genus), mult = "first"]

마지막 매칭만 유지

children[parents, on = .(parent = name), mult = "last"]

중복 식별 및 제거

duplicated(): 중복 행 확인

unique(): data.table에서 고유한 행만 필터링

duplicated() 함수

모든 열의 값 사용:

duplicated(site1_ecology)

FALSE FALSE FALSE FALSE

열의 일부만 사용:

duplicated(site1_ecology, 
           by = "genus")

FALSE TRUE FALSE TRUE

unique() 함수

unique(site1_ecology, by = "genus")

검색 방향 변경

fromLast = TRUE를 사용하면 마지막 행부터 역방향으로 검색합니다

duplicated(site1_ecology, by = "genus", fromLast = TRUE)

TRUE FALSE TRUE FALSE

unique(site1_ecology, by = "genus", fromLast = TRUE)

연습해 봅시다!

R의 data.table로 데이터 결합하기