在R中实现数据排序与按snp前缀筛选的技术求助

1. 先构建示例数据集 #

先把你提供的示例数据用R代码还原：

df <- data.frame(
  snp = c("mmsoop", "rs3122", "SNP1234", "rs3144"),
  allele1 = c("A", "C", "T", "A"),
  allele2 = c("A", "G", "C", "A"),
  stringsAsFactors = FALSE
)

2. 筛选snp列以rs或SNP开头的行 #

这里给两种常用方法，按需选择：

Base R 原生方法 #

用grepl()匹配正则表达式，^表示字符串开头，|代表“或”逻辑：

# 筛选符合条件的行
filtered_df <- df[grepl("^rs|^SNP", df$snp), ]

dplyr 便捷方法 #

如果习惯用tidyverse工具链，先加载包再筛选：

library(dplyr)
library(stringr)

filtered_df <- df %>%
  filter(str_detect(snp, "^rs|^SNP"))

3. 按snp列首字母排序 #

筛选完成后，按snp列的字符顺序排序：

Base R 方法 #

sorted_df <- filtered_df[order(filtered_df$snp), ]

dplyr 方法 #

sorted_df <- filtered_df %>%
  arrange(snp)

最终输出结果 #

运行上述代码后，sorted_df就是你要的结果：

如果需要不区分大小写排序（比如让SNP1234和rs开头的混排），可以把排序代码改成：

• Base R：sorted_df <- filtered_df[order(tolower(filtered_df$snp)), ]
• dplyr：sorted_df <- filtered_df %>% arrange(tolower(snp))

内容的提问来源于stack exchange，提问作者sai