如何在R的数据表中匹配每行字符变量交集并输出到新列？

你之前的代码报错是因为用了整列的%in%匹配，而非逐行处理单元格内的基因集合——整列的完整字符串没有匹配项，返回空值后导致赋值时行数不匹配。

以下是两种可行的解决方案：

基础R方法 #

通过apply逐行处理，拆分每行的基因集合后取交集：

# 定义处理单行的函数
get_row_intersection <- function(row) {
  # 拆分并去除空值（处理首尾空格）
  a_genes <- unlist(strsplit(trimws(row["a"]), "\\s+"))
  b_genes <- unlist(strsplit(trimws(row["b"]), "\\s+"))
  # 取交集后合并为字符串
  paste(intersect(a_genes, b_genes), collapse = " ")
}

# 应用到数据框的每一行
df$new_column <- apply(df, 1, get_row_intersection)

运行后查看结果：

df$new_column
# 输出：[1] "banana pear" "pear kiwi"   "apple"       "lime"

tidyverse方法 #

适合熟悉tidyverse生态的用户，按行处理更直观：

library(tidyverse)

df <- df %>%
  rowwise() %>%
  mutate(
    # 拆分每行的基因集合
    a_split = str_split(trimws(a), "\\s+")[[1]],
    b_split = str_split(trimws(b), "\\s+")[[1]],
    # 生成交集列
    new_column = paste(intersect(a_split, b_split), collapse = " ")
  ) %>%
  select(-a_split, -b_split) # 移除中间临时列

关键细节说明 #

• trimws()：去除字符串首尾的空格，避免拆分出空字符
• str_split(..., "\\s+")：按一个或多个空格拆分字符串，适配基因间的空格分隔
• intersect()：提取两个基因向量的共同元素
• rowwise()：强制后续操作按行执行，而非整列批量处理

内容的提问来源于stack exchange，提问作者emily