Question

我有一个数据框 - df - 包含基因组数据。最后一个col有两个字母的变体。

System.out.println("Toppings: " + Arrays.stream(who.getToppings())
                                        .filter(Objects::nonNull)
                                        .collect(Collectors.joining(", ", "[", "]")));

我想将最后的col分成两个cols，每个cols一个字母

               id crm     pos allele
160841  rs2237282  11 1273948     AG
160842  rs6417577  11 1276796     AC
165677  rs2151342  11 1199626     GT
165678  rs2749240  11 1258025     AG

我在使用dplyr和tidyr的RStudio 1.1.419，R 3.4.3中尝试过但没有成功：

分开（df，allele，into = c（＆＃34; allele＆＃34;，＆＃34; allele2＆＃34;））
分开（df，allele，into = c（＆＃34; allele＆＃34;，＆＃34; allele2＆＃34;），sep =＆＃34;＆＃34;）
分开（df，allele，into = c（＆＃34; allele＆＃34;，＆＃34; allele2＆＃34;），sep =＆＃34; \ c＆＃34;）
分开（df，allele，into = c（＆＃34; allele＆＃34;，＆＃34; allele2＆＃34;），sep =＆＃34;。＆＃34;）
分开（df，allele，into = c（＆＃34; allele＆＃34;，＆＃34; allele2＆＃34;），sep =。）
分开（df，allele，into = c（＆＃34; allele＆＃34;，＆＃34; allele2＆＃34;），sep = \ c）

如何最终得到所需的分割？

Answer 1

使用BASE r：

HERE=data.frame(A1=character(),A2=character())
cbind(data,strcapture("(.)(.)",data$allele,HERE))
              id crm     pos allele A1 A2
160841 rs2237282  11 1273948     AG  A  G
160842 rs6417577  11 1276796     AC  A  C
165677 rs2151342  11 1199626     GT  G  T
165678 rs2749240  11 1258025     AG  A  G

Answer 2

在separate中，sep参数可以是数字，表示要拆分的字符位置：

separate(df, allele, into = c("allele1", "allele2"), sep = 1)

，并提供：

              id crm     pos allele1 allele2
160841 rs2237282  11 1273948       A       G
160842 rs6417577  11 1276796       A       C
165677 rs2151342  11 1199626       G       T
165678 rs2749240  11 1258025       A       G

Answer 3

library(tidyverse)

df %>%
    mutate(allele2 = substr(allele, 2, 2)) %>%
    mutate(allele = substr(allele, 1, 1))

Answer 4

除了separate之外，extract是tidyr包中的另一个选项。这可以通过在regex参数中指定捕获组来实现。

library(tidyr)

df %>%
  extract(allele, into = c("allele1", "allele2"), regex = "([ATCG])([ATCG])")
#               id crm     pos allele1 allele2
# 160841 rs2237282  11 1273948       A       G
# 160842 rs6417577  11 1276796       A       C
# 165677 rs2151342  11 1199626       G       T
# 165678 rs2749240  11 1258025       A       G

在第4列中分隔两个字母的字符串

4 个答案: