如何将一列中的多个分隔字符串拆分为一行并删除该行基因 ID 中的重复项？答案

【问题标题】：How do I split multiple delimited strings in a column in to a row and delete the duplicates in that row of gene IDs?如何将一列中的多个分隔字符串拆分为一行并删除该行基因 ID 中的重复项？
【发布时间】：2023-01-04 01:16:14
【问题描述】：

这是我的数据框的样子......

我 |法斯塔标头 | | ------ | | Zm00001eb122880_P002;Zm00001eb122880_P003;Zm00001eb122880_P005;Zm00001eb336740_P002;Zm00001eb336740_P001| | Zm00001eb031730_P001;Zm00001eb136170_P001 | | Zm00001eb273230_P001;Zm00001eb273230_P002 |

我设法使用下面的代码将列中的分隔字符串变成一行

library(tidyr)
library(dplyr)
without_02473 %>% 
  mutate(`Fasta headers` = strsplit(as.character(`Fasta headers`), ";")) %>%   unnest(`Fasta headers`)

这导致了以下

Fasta headers
Zm00001eb122880_P002
Zm00001eb122880_P003
Zm00001eb122880_P005
Zm00001eb336740_P002
Zm00001eb031730_P001

但是，我希望最终得到以下结果。 |法斯塔标头 | | ------ | | Zm00001eb122880 | | Zm00001eb336740 | | Zm00001eb031730|
| Zm00001eb273230|

我尝试使用组和过滤器，unnest(string_string_array)，但我没有成功。有人能帮我吗？

【问题讨论】：

标签： r string duplicates

【解决方案1】：

我们可能会使用

library(dplyr)
library(tidyr)
without_02473 %>% 
   separate_rows(`Fasta headers`, sep = ";") %>%
   mutate(`Fasta headers` = trimws(`Fasta headers`, whitespace = "_.*"))

【讨论】：