如何在R语言中匹配数据框列中的基因列表并生成新数据框？

问题背景 #

有一个基因列表，需要从数据框的gene列中提取包含该列表中所有基因的行，数据框中的基因名称存在重复。

基因列表定义：

list_of_genes <- c("XYZ", "CFD", "TEY")

示例数据框：

已尝试的单基因提取代码：

subset(df, df$gene=="XYZ")

该方法仅能匹配单个基因，询问是否需要使用for循环，以及最优实现方式。

最优解决方案 #

不需要使用for循环，以下两种高效方法均可实现需求：

1. 基础R原生方法 #

使用%in%运算符配合筛选函数，%in%会自动检查gene列元素是否存在于目标基因列表中，返回布尔向量用于筛选：

• 方法一：subset()函数

subset(df, gene %in% list_of_genes)

• 方法二：方括号索引

df[df$gene %in% list_of_genes, ]

2. tidyverse工具包方法 #

如果习惯使用dplyr，可以用更具可读性的filter()函数，适合后续链式数据处理：

library(dplyr)
df %>% filter(gene %in% list_of_genes)

结果验证 #

上述方法都会返回符合条件的行：

内容的提问来源于stack exchange，提问作者user5029313