‘匹配’究竟多重要-R(merge)|Excel(vlookup)

什么时候觉得Office真是牛呢？当上游给我的分析数据中只有实验编号，而下游care的却是真实的患者信息的时候；当然，在茫茫data中一直Ctrl+F、Ctrl+C、Ctrl+V，重复那么几百次也是可以做到的；如果你真的这么做了，那么疯就是迟早的事了；vlookup啊，一个公式解决所有繁琐，Excel中的无尽宝藏真是值得我们探索！！！

什么时候觉得R很牛呢？当多个大名鼎鼎的数据库都有自己独树一帜的命名方式（ID转换这种事情简直是数据挖掘入门第一课），而我需要把它们一一匹配起来才能往下分析的时候，R里的merge简直是在这热不死人的广东里如空调一样救命的发明！！！

实操很重要（我这里并没有演示ID转换，着实同理；但我上面说的重要性是真的），我用到的文件给到你：

这是jimmy的R语言练习题里的例子
sample.csv的下载
https://www.ncbi.nlm.nih.gov/geo/browse/?view=samples&series=111229

sample.csv_1

sample.csv_2

https://www.ncbi.nlm.nih.gov/Traces/study/?WebEnv=NCID_1_97150876_130.14.18.97_5555_1556246029_2292855973_0MetA0_S_HStore&query_key=7

Run_info_table

R-merge

merge(x, y, by = intersect(names(x), names(y)),
      by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
      sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
      incomparables = NULL, ...)

x,y 带匹配的数据框
merge这个函数里的by.x，by.y，all.x，all.y这几个参数很重要哦！！！all.x是指，以x为准，x里的所有行都要匹配上，如果在y里没有匹配到就拿NA来补。all.y同理；

rm(list = ls())
options(stringsAsFactors = F)
a=read.table('yourpath/SraRunTable.txt',sep = '\t',header = T)
b=read.csv('yourpath/Rtest/sample.csv')
tmp<-merge(a,b,by.x='Sample_Name',by.y='Accession')
head(tmp)

Excel-vlookup

因为SraRunTable.txt中的数据列数太多，为了演示方便我把后面的列删掉了

VLOOKUP($G2,sample!$A$2:$L$769,2,0)
VLOOKUP($G2,sample!$A$2:$L$769,3,0)
VLOOKUP($G2,sample!$A$2:$L$769,4,0)

lookup_value 检索时用来匹配的值
table_array 需要匹配出来的结果的范围
col_index_num 需要匹配出来的具体内容位于table_array中lookup_value后的第几列
range_lookup 0（精确匹配）或1（近似匹配）
$表示限制，放在行前面即行数不变，放在列前面同理；
第一行公式写完后，选中，鼠标放在末尾有个+号，双击产生所有查询的结果；

课程分享
生信技能树全球公益巡讲
（https://mp.weixin.qq.com/s/E9ykuIbc-2Ja9HOY0bn_6g）
B站公益74小时生信工程师教学视频合辑
（https://mp.weixin.qq.com/s/IyFK7l_WBAiUgqQi8O7Hxw）
招学徒：
（https://mp.weixin.qq.com/s/KgbilzXnFjbKKunuw7NVfw）

最后编辑于：2019.04.26 17:19:51