%in%很简单

本文是对全国巡讲的补充，但也写全了背景知识，可以从头学习。

1.背景知识

上课时讲到【向量取子集】的两种方法：

（1）根据逻辑值

x <- 8:12

x[x==10]
#> [1] 10
x[x<12]
#> [1]  8  9 10 11
x[x %in% c(9,13)]
#> [1] 9

（2）根据位置取子集

x[4]
#> [1] 11
x[2:4]
#> [1]  9 10 11
x[c(1,5)]
#> [1]  8 12
x[-4]
#> [1]  8  9 10 12
x[-(2:4)]
#> [1]  8 12

2.关于%in%的答疑

按照逻辑值取子集，"[ ]"内应该是一个与变量等长的逻辑值向量，按照位置取，"[ ]"内则应该是表示元素位置的数值型向量。

%in% 这个符号对大多数人来说比较陌生，x %in% y 的意思是“对x里的每个元素进行判断，判断它是否在y中存在，存在就返回TRUE，不存在就返回FALSE”。

注意，它的返回值与其他符号一样，是一个与x等长的逻辑值向量。

例题及答案

我们现在有12个基因名，要从其中挑出指定的3个。

12个基因名是："ACTR3B","ANLN","BAG1","BCL2","BIRC5","RAB","ABCT","ANF","BAD","BCF","BARC7","BALV"

3个基因名是： "ANLN", "BCL2","TP53"

答案很简单：

x = c("ACTR3B","ANLN","BAG1","BCL2","BIRC5","RAB","ABCT","ANF","BAD","BCF","BARC7","BALV")

y = c("ANLN", "BCL2","TP53")

x[x %in% y] 
#> [1] "ANLN" "BCL2"

问题1

x %in% y ，如何确定两个向量谁在前、谁在后?

需要确定的是，你的操作对象谁，对谁进行判断？

根据题目，是对12个进行判断。所以它在前，返回的逻辑值向量长度为12,才可以将这个向量放入[ ]中，对x取子集，将对应结果为TRUE的留下，而FALSE 丢掉。

x %in% y
#>  [1] FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12] FALSE
length(x %in% y)
#> [1] 12
x[x %in% y]
#> [1] "ANLN" "BCL2"

问题2

两个向量是否可以颠倒？

不一定，根据实际情况决定。

刚才的例子，xy颠倒虽然逻辑不和题目一直，但是结果市没有差别的。

x[x %in% y] 
#> [1] "ANLN" "BCL2"

y[y %in% x]
#> [1] "ANLN" "BCL2"

举一个特例,其中一个向量存在重复值的情况:

x = c("ACTR3B","ANLN","ANLN","BCL2","BIRC5","RAB","ABCT","ANF","BAD","BCF","BARC7","BALV")

y = c("ANLN", "BCL2","TP53")

x[x %in% y] 
#> [1] "ANLN" "ANLN" "BCL2"

y[y %in% x]
#> [1] "ANLN" "BCL2"

可以看到，返回的结果是不一样的！再次理解下这句话：“对x里的每个元素进行判断，判断它是否在y中存在，存在就返回TRUE，不存在就返回FALSE”。

问题3

x[ x %in% y],可以写成 y[x %in% y]吗？

不可以，因为"[]"里的逻辑值向量要求和x长度一致，而 y %in% x返回的向量是与y的长度一致，逻辑是错的。

y[x %in% y]
#> [1] "BCL2" "TP53" NA

问题4

%in% 和intersect 有区别吗？

和第二题一样，不一定。存在重复值的时候就不一样了。

x = c("ACTR3B","ANLN","ANLN","BCL2","BIRC5","RAB","ABCT","ANF","BAD","BCF","BARC7","BALV")

y = c("ANLN", "BCL2","TP53")

intersect(x,y)
#> [1] "ANLN" "BCL2"