Question

我在这里发现了类似的问题： Count the number of words in a string in R? 和这里 Faster way to split a string and count characters using R? 但我不能在我的例子中工作。我有一个很大的数据帧。其中一列具有要素的基因组位置，条目格式如下：

[hg19:2:224840068-224840089:-]
[hg19:17:37092945-37092969:-] 
[hg19:20:3904018-3904040:+]
[hg19:16:67000244-67000248,67000628-67000647:+]

我将这些元素分解为各个元素以获得以下内容（即，第一个条目）：

hg19    2   224840068   224840089   -

但是在第四个条目的情况下，我想把它放到两个单独的位置。即

hg19:16:67000244-67000248,67000628-67000647:+]

变为

hg19    16  67000244    67000248    +
hg19    16  67000628    67000647    +

（相邻列中的所有关联数据都填写在原始文件中）

我可以通过简单的方法识别哪些行需要此操作，只需使用逗号'，'计算行，因为它们不会出现在任何其他列的任何其他文本中，除非有多个基因组位置用于特征。但是我在第一个障碍时失败了，因为sapply命令错误地为每个条目返回“1”。

testdat$multiple <- sapply(gregexpr(",", testdat$genome_coordinates), length)

（或）

testdat$multiple <- sapply(gregexpr("\\,", testdat$genome_coordinates), length)

    table(testdat$multiple)
    1 
    4

使用我上面发布的示例，我希望输出为

testdat$multiple
0
0
0
1

实际上在做

grep -c

在命令行中的相同数据上显示我有10个条目包含'，'。

使用我上面发布的示例，我希望输出为

所以最初我想让这个工作，但我也有点难以想到如何提取两个（或更多）位置并将它们放在自己的行上，填写相邻的数据。实际上我打算坚持使用我知道的东西（在命令行上）用'，'out来重写行，复制文件并拆分和awk选择的列（相应文件中的第一个和第二个位置）然后cat and sort他们。如果我在R中有一个更快的方式，那么我会喜欢指针。

Answer 1

实际上

gregexpr会返回长度为1的对象。如果要查找匹配的行与不匹配的行，则需要查看返回的值< / em>，而不是长度。匹配失败返回-1 尝试使用foo<-sapply(testdat$genome, function(x) gregexpr(',',x)); as.logical(foo)获取带逗号的行。

在数据框中计算字符串中的特定字符。 sapply

1 个答案: