如何基于行名第4个分隔符前的子串匹配合并二进制矩阵行？

需求说明 #

给定一个元素仅为0和1的二进制矩阵，需按以下规则处理：

• 以行名中第4个.分隔符为分界，保留分隔符之前的前缀部分；前缀相同的行归为一组进行合并
• 合并规则：组内任意一行的某列值为1时，合并后该行该列值即为1
• 最终结果的行名仅保留第4个.之前的前缀部分

示例数据 #

df <- structure(list(DNMT3A = c(1, 0, 0, 0, 0), IGF2R = c(1, 0, 0, 0, 1), 
    NBEA = c(1, 0, 0, 0, 1), ITGB5 = c(0, 1, 0, 0, 0)), row.names = c("TCGA.2Z.A9J1.01A.11D.A382.10", 
"TCGA.B9.A5W9.01A.11D.A28G.10", "TCGA.2Z.A9JM.01A.13D.A44J.12", "TCGA.GL.A59R.01A.11D.A26P.10", 
"TCGA.2Z.A9JM.01A.12D.A42J.10"), class = "data.frame")

期望输出 #

structure(list(DNMT3A = c(1, 0, 0, 0), IGF2R = c(1, 0, 1, 0), 
    NBEA = c(1, 0, 1, 0), ITGB5 = c(0, 1, 0, 0)), row.names = c("TCGA.2Z.A9J1.01A", 
"TCGA.B9.A5W9.01A", "TCGA.2Z.A9JM.01A", "TCGA.GL.A59R.01A"), class = "data.frame")

实现代码（R语言） #

# 提取行名的前缀（保留第4个.之前的部分）
row_prefixes <- sub("^(([^.]+\\.){3}[^.]+).*", "\\1", rownames(df))

# 按前缀分组，对每列取最大值（满足"有1则为1"的合并逻辑）
merged_df <- aggregate(. ~ row_prefixes, data = cbind(row_prefixes, df), FUN = max)

# 调整行名并移除辅助列
rownames(merged_df) <- merged_df$row_prefixes
merged_df$row_prefixes <- NULL

# 查看最终结果
print(merged_df)

代码说明 #

1. 提取前缀：使用正则表达式^(([^.]+\\.){3}[^.]+).*匹配行名，捕获前4段内容（即第4个.之前的部分），通过sub函数替换得到所有行的前缀。
2. 分组合并：用aggregate函数按前缀分组，对每组的列值取最大值——因为矩阵元素只有0和1，最大值为1就意味着组内至少有一行该列是1，正好符合合并规则。
3. 结果整理：将分组后的前缀设置为新行名，移除用于分组的辅助列，得到最终的合并矩阵。

内容的提问来源于stack exchange，提问作者melolilili