Question

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-&beta;-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

Answer 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

将多余的行名称（变量）作为列，并在R中的csv文件中重新排列所需的数据

1 个答案: