Question

在处理基因组阵列数据时，需要进行一次探测＆＃39;经常被分配到不同的基因（不同的转录本）。对象df显示了此示例。

df <- data.frame(c("geneA;geneB;geneB", "geneG", "geneC;geneD"))
colnames(df) <- "gene.names"
df#looks like this:

         gene.names
1 geneA;geneB;geneB
2             geneG
3       geneC;geneD

我想将df$gene.names中的所有元素拆分为;，并将每个子字符串放在一个新列中。如果连续不再有基因，可以使用NA。

这个脚本有效，但我想大多数人会同意这个贪婪的代码而且效率不高。有人可以提出更好的选择吗？

library(plyr)#load this library first

out <- NULL
for (i in 1:NROW(df)){
    one <- as.data.frame(t(as.data.frame(strsplit(as.character(df[i,1]), ";"))))
    out <- rbind.fill(out, one)
}
out#looks like this:

     V1    V2    V3
1 geneA geneB geneB
2 geneG  <NA>  <NA>
3 geneC geneD  <NA>

Answer 1

我建议使用splitstackshape：

splitstackshape::cSplit(df, splitCols="gene.names", sep=";")

   gene.names_1 gene.names_2 gene.names_3
1:        geneA        geneB        geneB
2:        geneG           NA           NA
3:        geneC        geneD           NA

Answer 2

以下是base R选项read.table

read.table(text= as.character(df$gene.names), sep=";",
       header=FALSE, stringsAsFactors=FALSE, fill=TRUE,na.strings="")
#     V1    V2    V3 
#1 geneA geneB geneB
#2 geneG  <NA>  <NA>
#3 geneC geneD  <NA>

在R中的列数据框中拆分字符串，并为子字符串创建其他列

2 个答案: