Question

我有一个data.table，其中有3列，我想用分隔符将第3列分成多行。

我当前的实现是：

protein.ids <- c("PA0001","PA0001", "PA0002", "PA0002", "PA0002")
protein.names <- c("protein A", "protein A", "protein B", "protein B", "protein B")
peptides.ids <- c("1;3;2", "81;23;72", "7;6;8", "10;35;21", "5;2;7")

data <- data.frame(matrix(c(protein.ids, protein.names, peptides.ids), 
                          nrow = 5), 
                  stringsAsFactors = FALSE)

colnames(data) <- c("Protein IDs", "Protein Names", "Peptide IDs")

data <- data.table(data)

data[ ,list(`Peptide IDs` = unlist(strsplit(`Peptide IDs`, ";"))),
       by = list(`Protein IDs`, `Protein Names`)]

但是我的data.table很大（〜1.2G），到现在为止它需要大约3秒钟的时间才能运行，那么是否有更快的方法来达到相同的结果，或者没有值得榨的汁？ / p>

Answer 1

我们可以在第三列上使用tstrsplit拆分为多列，并将输出分配（:=）到感兴趣的列名

data[, paste0("V", 1:3) := tstrsplit(`Peptide IDs`, ";", type.convert = TRUE)]

如果我们需要“长”格式

library(splitstackshape)
cSplit(data, "Peptide IDs", ";", "long")

根据定界符

1 个答案: