根据R中的分隔符将一列分成几列[重复]答案

【问题标题】：Split one column into several columns on basis of a separator in R [duplicate]根据R中的分隔符将一列分成几列[重复]
【发布时间】：2014-06-22 07:23:02
【问题描述】：

我有一个类似于here 的问题

如果我有如下数据结构：

 ROW_NO.        INPUT          STRAND
       1  1,888639,T,C             -1
       2  1,889158,G,C             NA                               
       3  1,889159,A,C             NA                                     
       4 1,978978,GC,G              1                                      
       5  1,982941,T,C             NA                                      
       6 1,1888193,C,A             -1

我需要做什么才能像这样拆分 INPUT 列：

 ROW_NO.        INPUT    Chrom     Position    Ref.y   Variant.y   
       1  1,888639,T,C    chr1       888639        T           C
       2  1,889158,G,C    chr1       889158        G           C                            
       3  1,889159,A,C    chr1       889159        A           C                                         
       4 1,978978,GC,G    chr1       978978       GC           G        
       5  1,982941,T,C    chr1       982941        T           C        
       6 1,1888193,C,A    chr1      1888193        C           A

我会将 STRAND 列保留在原来的位置，但不知何故，在格式化时，这里的一切都搞砸了，所以我把它省略了。

【问题讨论】：

标签： string r split multiple-columns

【解决方案1】：

调用你的数据集df:

library(stringr)
result <- data.frame(df,do.call(rbind,str_split(df$INPUT,",")))
result
#   ROW_NO.         INPUT STRAND X1      X2 X3 X4
# 1       1  1,888639,T,C     -1  1  888639  T  C
# 2       2  1,889158,G,C     NA  1  889158  G  C
# 3       3  1,889159,A,C     NA  1  889159  A  C
# 4       4 1,978978,GC,G      1  1  978978 GC  G
# 5       5  1,982941,T,C     NA  1  982941  T  C
# 6       6 1,1888193,C,A     -1  1 1888193  C  A

剩下的就是化妆品了：

colnames(result)[4:7] <- c("Chrom","Position","Ref.y","Variant.y")
result$Chrom <- paste0("chr",result$Chrom)

编辑关于 cmets 的注释。

建议的替代方案：

result <- data.frame(df,do.call(rbind,strsplit(df$INPUT,",")))

如果df$INPUT 是一个因素，则失败，它可能是也可能不是，这取决于您读取数据的方式。上面的解决方案，使用str_split(...)，没有这个缺陷。

【讨论】：

我不确定 stringr 在这里添加了什么，因为 result <- data.frame(d,do.call(rbind,strsplit(d$INPUT,","))) 仅使用 base 会得到相同的结果。
@Thomas，它增加了一些等待时间 :-)
关于您的编辑，即使df$INPUT 是一个因素，使用strsplit(as.character(df$INPUT), ...) 仍然会更快。不幸的是，“stringr”中的一些函数以非常大的时间成本提供了便利，str_split 就是其中之一。
我的建议是：data.frame(mydf, do.call(rbind, strsplit(as.character(mydf$INPUT), ",", fixed = TRUE)))。 fixed = TRUE 也将提供良好的速度提升。

【解决方案2】：

如果d 是您的数据框，您可以通过将read.csv 函数应用于INPUT 列来在基础中执行此操作：

> out <- cbind(d, read.csv(text=d$INPUT, header=FALSE,
                           col.names=c('Chrom','Position','Ref.y','Variant.y')))
> out
  ROW_NO.         INPUT STRAND Chrom Position Ref.y Variant.y
1       1  1,888639,T,C     -1     1   888639     T         C
2       2  1,889158,G,C     NA     1   889158     G         C
3       3  1,889159,A,C     NA     1   889159     A         C
4       4 1,978978,GC,G      1     1   978978    GC         G
5       5  1,982941,T,C     NA     1   982941     T         C
6       6 1,1888193,C,A     -1     1  1888193     C         A

而且，就像@jlhoward 的回答一样，您可以使用paste 让Chrom 看起来像您想要的那样：

out$Chrom <- paste0('chr',out$Chrom)

【讨论】：

我收到此错误：“textConnection(text) 中的错误：'text' 参数无效”
@soosus，这个错误是不言自明的。只需将d$INPUT 包裹在as.character 中，您的问题就会得到解决。

【解决方案3】：

我会从我的“splitstackshape”包中推荐concat.split：

library(splitstackshape)
concat.split(mydf, "INPUT", ",")
#   ROW_NO.         INPUT STRAND INPUT_1 INPUT_2 INPUT_3 INPUT_4
# 1       1  1,888639,T,C     -1       1  888639       T       C
# 2       2  1,889158,G,C     NA       1  889158       G       C
# 3       3  1,889159,A,C     NA       1  889159       A       C
# 4       4 1,978978,GC,G      1       1  978978      GC       G
# 5       5  1,982941,T,C     NA       1  982941       T       C
# 6       6 1,1888193,C,A     -1       1 1888193       C       A

我正在开发一个更快的版本，目前是only at this Gist。最终，它将取代现有的concat.split 函数。

cSplit(mydf, "INPUT", ",")
#    ROW_NO. STRAND INPUT_1 INPUT_2 INPUT_3 INPUT_4
# 1:       1     -1       1  888639       T       C
# 2:       2     NA       1  889158       G       C
# 3:       3     NA       1  889159       A       C
# 4:       4      1       1  978978      GC       G
# 5:       5     NA       1  982941       T       C
# 6:       6     -1       1 1888193       C       A

【讨论】：