我有这种格式的数据-Source Data
我想以以下格式重新排列我的数据-
UNIQUE-ID TYPES COMMON-NAME CHEMICAL-FORMULA DBLINKS MOLECULAR-WEIGHT MONOISOTOPIC-MW
PYRIDINE-RING Rings pyridine-ring (C 5)(H 5)(N 1) NA 79.101 NA
STEARIC_ACID Even-St.. stearate (C 18)(H 35)(O 2) (BIGG "37799")..;(CHEMSPIDER "..); 283.473 284.2715304
BETA-HYDROX.. Compounds 3-β-hydro.. (C 19)(H 29)(O... (CHEBI "1724"..);(PUBCHEM "2520..); 369.495 370.1813984
OXALACETIC_A.. Compounds ... .... .... .... ...
.... .... ...
.... .... ...
因此,我想基于“唯一ID”,“类型”,“公用名称”,“化学式”,“分子量”和“单同位素分子量”来排列数据。我的代码应考虑与单个行具有相同ID值的行,并重新排列新数据框中的信息-例如,原始csv文件中具有ID“ 1”的每一行都应在我上面提到的格式。
现在数据的问题是,对于某些“ UNIQUE-ID”,有多个“ TYPES”(2、3或在某些情况下为5),我希望它们之间用分号(;)分隔就像我在上表中提到的那样,在输出数据中有一个单元格(例如,请参见“ DBLINKS”列)
其他信息:-
在“ DBLINKS”列中,我要获取的主要信息仅为“ BIGG ID号”,“ CHEMSPIDER ID号”,“ CAS ID号”,“ PUBCHEM ID号”。和“ CHEBI ID号”。但是我会在以后实现复杂的情况下弄清楚。
我不确定,但是我当时正在考虑在R中使用重塑函数,但是不确定在我的具体情况下使用参数。
为获得所需结果提供的任何帮助,我们深表感谢。非常感谢。
链接到示例数据文件-Sample Data
编辑:进一步说明:-
我希望我的最终输出是这样的(为了简单起见,示例是一个伪数据而不是实际数据)-
UNIQUE-ID TYPES COMMON-NAME CHEMICAL-FORMULA DBLINKS MOLECULAR-WEIGHT MONOISOTOPIC-MW
ID-1 A C-Name-1 (C 5)(H 5)(N 1) Detail-1 79.101 NA
ID-2 B; C; D C-Name-2 (C 18)(H 35)(O 2) Detail-2; Detail-3 283.473 284.27
ID-3 E; F C-Name-3 (C 19)(H 29)(O 5)(S 1) Detail-2; Detail-1; Detail-5 369.495 370.18
从我现在拥有的以下数据格式(csv文件)开始。源数据看起来像这样-
Variable Content Id
UNIQUE-ID ID-1 1
TYPES A 1
COMMON-NAME C-Name-1 1
CHEMICAL-FORMULA (C 5) 1
CHEMICAL-FORMULA (H 5) 1
CHEMICAL-FORMULA (N 1) 1
DBLINKS Detail-1 1
MOLECULAR-WEIGHT 79.101 1
UNIQUE-ID ID-2 2
TYPES B 2
TYPES C 2
TYPES D 2
COMMON-NAME C-Name-2 2
CHEMICAL-FORMULA (C 18) 2
CHEMICAL-FORMULA (H 35) 2
CHEMICAL-FORMULA (O 2) 2
DBLINKS Detail-2 2
DBLINKS Detail-3 2
MOLECULAR-WEIGHT 283.473 2
MONOISOTOPIC-MW 284.27 2
UNIQUE-ID ID-3 3
TYPES E 3
TYPES F 3
COMMON-NAME C-Name-3 3
CHEMICAL-FORMULA (C 19) 3
CHEMICAL-FORMULA (H 29) 3
CHEMICAL-FORMULA (O 5) 3
CHEMICAL-FORMULA (S 1) 3
DBLINKS Detail-2 3
DBLINKS Detail-1 3
DBLINKS Detail-5 3
MOLECULAR-WEIGHT 369.495 3
MONOISOTOPIC-MW 370.18 3
答案 0 :(得分:1)
这是我使用tidyr
和dplyr
软件包的方式:
library(tidyr)
library(dplyr)
df <- read.table("test.txt", header = T)
df2 <- df %>% group_by(Variable, Id) %>%
summarise(Content2 = paste(Content, collapse = ";")) %>%
spread(key = Variable, value = Content2) %>%
select("UNIQUE-ID", TYPES, "COMMON-NAME", "CHEMICAL-FORMULA", DBLINKS,
"MOLECULAR-WEIGHT", "MONOISOTOPIC-MW")
df2
# A tibble: 3 x 7
`UNIQUE-ID` TYPES `COMMON-NAME` `CHEMICAL-FORMULA` DBLINKS `MOLECULAR-WEIGH~ `MONOISOTOPIC-M~
<chr> <chr> <chr> <chr> <chr> <chr> <chr>
1 ID-1 A C-Name-1 (C5);(H5);(N1) Detail-1 79.101 NA
2 ID-2 B;C;D C-Name-2 (C18);(H35);(O2) Detail-2;Detail-3 283.473 284.27
3 ID-3 E;F C-Name-3 (C19);(H29);(O5);(S1) Detail-2;Detail-1~ 369.495 370.18
如果您想了解有关此处使用的每个功能的更多信息,请查看R for Data Science