Question

我有一个包含许多ensembl基因注释的数据框，DF看起来像这样：

        geneID
1  ENSG00000000005.5
2  ENSG00000001561.6
3 ENSG00000002726.18
4 ENSG00000005302.16
5 ENSG00000005379.14
6  ENSG00000006116.3

所以我想删除那个＆＃34;。＆＃34;以及每个ID末尾的数字。我总共有11224行。我尝试使用gsub命令gsub(".","",colnames(dataframe))，但这没有帮助。

有什么建议吗？提前谢谢。

Answer 1

如果我们最后需要.，请捕获字符，直到.（因为.是一个元字符，意味着任何字符，转义它（\\））后跟一个或多个数字（\\d+），直到字符串结尾，并替换为捕获组的反向引用（\\1）

df1$geneID <- sub("^(.*\\.)\\d+$", "\\1", df1$geneID)

如果打算在此之后删除带有数字的.，请匹配点后跟一个或多个数字，然后替换为空白（""）

df1$geneID <- sub("\\.\\d+", "", df1$geneID)
df1$geneID
#[1] "ENSG00000000005" "ENSG00000001561" "ENSG00000002726" "ENSG00000005302"
#[5] "ENSG00000005379" "ENSG00000006116"

Answer 2

您可以使用以下代码在'。'

之后删除字母数字

gsub("\\..*", "", df$geneID)

如何删除＆＃39;。＆＃39;来自数据框中的列内容？

2 个答案: