R语言如何按字符串ID对应值对逗号分隔字符串序列求和

实现思路 #

• 第一步：将df每行的patterns字段按, （逗号加空格）分割为单个字符串向量
• 第二步：对每个分割得到的字符串，匹配df2中对应的scores值
• 第三步：将每行匹配到的所有得分求和，合并回原数据框

注意：如果存在patterns中包含df2无记录的字符串，可在sum函数中添加na.rm = TRUE参数忽略缺失值，避免结果返回NA

解决方案 #

方案1：tidyverse 实现（可读性高，适合处理复杂扩展需求） #

library(tidyverse)

# 构造示例数据
df <- data.frame(patterns = c("CCDC127, HSF1, NDUFB9", "CCDC127, EXOC3, YIF1A", "EXOC3, NDUFB9, YIF1A"))
df2 <- data.frame(strings = c("CCDC127", "HSF1", "NDUFB9", "EXOC3", "YIF1A"),
                  scores = c(10, 11, 12, 13, 14))

# 计算得分总和
result <- df %>%
  rowwise() %>%
  mutate(
    sum = sum(df2$scores[match(str_split_1(patterns, ", "), df2$strings)])
  ) %>%
  ungroup()

方案2：base R 实现（无需加载第三方包，运行速度快） #

# 构造示例数据
df <- data.frame(patterns = c("CCDC127, HSF1, NDUFB9", "CCDC127, EXOC3, YIF1A", "EXOC3, NDUFB9, YIF1A"))
df2 <- data.frame(strings = c("CCDC127", "HSF1", "NDUFB9", "EXOC3", "YIF1A"),
                  scores = c(10, 11, 12, 13, 14))

# 构建命名字典快速匹配得分
score_dict <- setNames(df2$scores, df2$strings)
# 逐行拆分字符串并求和
df$sum <- sapply(strsplit(df$patterns, ", "), function(x) sum(score_dict[x]))

两种方案运行后得到的结果均与预期输出一致。

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