Seleção de linhas de quadro de dados com base na correspondência parcial de string em uma coluna

Eu quero selecionar linhas de um quadro de dados com base na correspondência parcial de uma string em uma coluna, por exemplo, a coluna 'x' contém a string "hsa". Usando sqldf- se tivesse uma likesintaxe - eu faria algo como:

select * from <> where x like 'hsa'.

Infelizmente, sqldf não oferece suporte a essa sintaxe.

Ou da mesma forma:

selectedRows <- df[ , df$x %like% "hsa-"]

O que, claro, não funciona.

Alguém pode me ajudar com isso?

Percebi que você mencionou uma função %like%em sua abordagem atual. Eu não sei se isso é uma referência ao%like% from "data.table", mas se for, você pode definitivamente usá-lo da seguinte maneira.

Observe que o objeto não precisa ser um data.table(mas lembre-se também de que as abordagens de subconjuntos para data.frames e data.tables não são idênticas):

library(data.table)
mtcars[rownames(mtcars) %like% "Merc", ]
iris[iris$Species %like% "osa", ]

Se isso é o que você tinha, então talvez você tenha apenas misturado posições de linha e coluna para subconjunto de dados.

Se não quiser carregar um pacote, você pode tentar usar grep()para pesquisar a string que está correspondendo. Aqui está um exemplo com o mtcarsconjunto de dados, onde estamos combinando todas as linhas em que os nomes das linhas incluem "Merc":

mtcars[grep("Merc", rownames(mtcars)), ]
             mpg cyl  disp  hp drat   wt qsec vs am gear carb
# Merc 240D   24.4   4 146.7  62 3.69 3.19 20.0  1  0    4    2
# Merc 230    22.8   4 140.8  95 3.92 3.15 22.9  1  0    4    2
# Merc 280    19.2   6 167.6 123 3.92 3.44 18.3  1  0    4    4
# Merc 280C   17.8   6 167.6 123 3.92 3.44 18.9  1  0    4    4
# Merc 450SE  16.4   8 275.8 180 3.07 4.07 17.4  0  0    3    3
# Merc 450SL  17.3   8 275.8 180 3.07 3.73 17.6  0  0    3    3
# Merc 450SLC 15.2   8 275.8 180 3.07 3.78 18.0  0  0    3    3

E, outro exemplo, usando o irisconjunto de dados procurando pela string osa:

irisSubset <- iris[grep("osa", iris$Species), ]
head(irisSubset)
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1          5.1         3.5          1.4         0.2  setosa
# 2          4.9         3.0          1.4         0.2  setosa
# 3          4.7         3.2          1.3         0.2  setosa
# 4          4.6         3.1          1.5         0.2  setosa
# 5          5.0         3.6          1.4         0.2  setosa
# 6          5.4         3.9          1.7         0.4  setosa

Para o seu problema, tente:

selectedRows <- conservedData[grep("hsa-", conservedData$miRNA), ]

Experimente str_detect()o pacote stringr , que detecta a presença ou ausência de um padrão em uma string.

Aqui está uma abordagem que também incorpora o %>%tubo e filter()do pacote dplyr :

library(stringr)
library(dplyr)

CO2 %>%
  filter(str_detect(Treatment, "non"))

   Plant        Type  Treatment conc uptake
1    Qn1      Quebec nonchilled   95   16.0
2    Qn1      Quebec nonchilled  175   30.4
3    Qn1      Quebec nonchilled  250   34.8
4    Qn1      Quebec nonchilled  350   37.2
5    Qn1      Quebec nonchilled  500   35.3
...

Isso filtra o conjunto de dados de amostra de CO2 (que vem com R) para linhas em que a variável de tratamento contém a substring "não". Você pode ajustar se str_detectencontra correspondências fixas ou usa uma regex - consulte a documentação do pacote stringr.

LIKE deve funcionar em sqlite:

require(sqldf)
df <- data.frame(name = c('bob','robert','peter'),id=c(1,2,3))
sqldf("select * from df where name LIKE '%er%'")
    name id
1 robert  2
2  peter  3