Question

我的数据包含需要解压缩并创建新列的样本名称。

sample
P10.1
P11.2
S1.1
S3.3

使用样本ID数据，我需要制作三个新列：组织，植物，阶段。

sample tissue plant stage
P10.1  P      10    1
P11.2  P      11    2
S1.1   S      1     1
S3.3   S      3     3

有没有办法从示例列中提取数据以填充三个新列？

Answer 1

使用dplyr和tidyr。

首先我们插入＆＃34;。＆＃34;在示例代码中，接下来我们将样本分成3列。

library(dplyr)
library(tidyr)

df %>% 
  mutate(sample = paste0(substring(df$sample, 1, 1), ".", substring(df$sample, 2))) %>% 
  separate(sample, into = c("tissue", "plant", "stage"), remove = FALSE)

  sample tissue plant stage
1 P.10.1      P    10     1
2 P.11.2      P    11     2
3  S.1.1      S     1     1
4  S.3.3      S     3     3

数据：

df <- structure(list(sample = c("P10.1", "P11.2", "S1.1", "S3.3")), 
                .Names = "sample", 
                class = "data.frame", 
                row.names = c(NA, -4L))

Answer 2

与@phiver类似，但使用正则表达式。

pattern内：

第一个括号捕获任何单个大写字母（对于tissue）
第二个括号表示任意一位或两位数字（plant）
第三个括号表示任意一位或两位数字（stage）

sub()函数会拉出那些捕获组，然后放入新变量。

library(magrittr)
pattern <- "^([A-Z])(\\d{1,2})\\.(\\d{1,2})$"
df %>% 
  dplyr::mutate(
    tissue   = sub(pattern, "\\1", sample),
    plant    = as.integer(sub(pattern, "\\2", sample)),
    stage    = as.integer(sub(pattern, "\\3", sample))
  )

结果（显示str()）：

'data.frame':   4 obs. of  4 variables:
 $ sample: chr  "P10.1" "P11.2" "S1.1" "S3.3"
 $ tissue: chr  "P" "P" "S" "S"
 $ plant : int  10 11 1 3
 $ stage : int  1 2 1 3

Answer 3

这与phiver answer类似，但两次使用separate。请注意，我们可以在sep参数中指定位置索引。

library(tidyr)

dat2 <- dat %>%
  separate(sample, into = c("tissue", "number"), sep = 1, remove = FALSE) %>%
  separate(number, into = c("plant", "stage"), sep = "\\.", remove = TRUE, convert = TRUE)
dat2
#   sample tissue plant stage
# 1  P10.1      P    10     1
# 2  P11.2      P    11     2
# 3   S1.1      S     1     1
# 4   S3.3      S     3     3

数据

dat <- read.table(text = "sample P10.1 P11.2 S1.1 S3.3", header = TRUE, stringsAsFactors = FALSE)

R：从一列中提取数据以创建新列

3 个答案: