使用模式重新格式化数据答案

【问题标题】：Reformatting data with a pattern使用模式重新格式化数据
【发布时间】：2011-11-14 21:20:31
【问题描述】：

我有一个混合了数字和字母的大型数据集。只是一个小例子：

sex <- c("M", "F", "F", "M", "M")
 ind <- c("I1", "I2", "I3", "I4", "C")
M1 <- c("ab", "bb", "ac", "ad", "dd")
M2 <- c(12, 22, 23, 24, 25)
M3 <- c("AT", "AG", "AC", "GG", "TC")
 M4 <- c(22, 23, 24, 14, 24)
mydf <- data.frame(sex, ind, M1, M2, M3, M4)
mydf
  sex ind M1 M2 M3 M4
1   M  I1 ab 12 AT 22
2   F  I2 bb 22 AG 23
3   F  I3 ac 23 AC 24
4   M  I4 ad 24 GG 14
5   M   C dd 25 TC 24

我想在 M1......Mn 列（文件末尾）的两个字符之间引入一个“/”标记，以便生成的数据框如下所示：

       sex ind M1 M2 M3 M4
    1   M  I1 a/b 1/2 A/T 2/2
    2   F  I2 b/b 2/2 A/G 2/3
    3   F  I3 a/c 2/3  A/C 2/4
    4   M  I4 a/d 2/4 G/G 1/4
    5   M   C d/d 2/5 T/C 2/4

抱歉，我不知道如何继续...感谢您的帮助...

【问题讨论】：

标签： r dataframe reformat

【解决方案1】：

一个班轮：

> data.frame(lapply(mydf, function(x) sub("(.)(.)", "\\1/\\2", x)))
  sex ind  M1  M2  M3  M4
1   M I/1 a/b 1/2 A/T 2/2
2   F I/2 b/b 2/2 A/G 2/3
3   F I/3 a/c 2/3 A/C 2/4
4   M I/4 a/d 2/4 G/G 1/4
5   M   C d/d 2/5 T/C 2/4

【讨论】：

感谢苗条的解决方案，但我不打算应用于 ind 变量，所以我可以通过以下方式轻松删除它：data.frame(lapply(mydf[,3:length(mydf)], function(x ) sub("(.)(.)", "\\1/\\2", x)))

【解决方案2】：

R 的所有神秘力量都为您提供：

splitInsert 使用 strsplit 在每个字母处拆分一列，并将其与 paste 重新组合。这包含在 sapply 中以向量化函数。
然后我使用lapply 将splitInsert 应用于data.frame 的3:6 列，并使用data.frame 将其与您不想修改的两列结合起来。
请注意，splitInsert 是完全通用的 - 它适用于任何长度的文本字符串，您可以使用任何新字符来重新组合拆分元素。

代码：

splitInsert <- function(x, split="", new="/"){
  sapply(x, function(y)
    paste(
      strsplit(as.character(y), split=split)[[1]], 
      collapse=new)
         )
}

data.frame(mydf[, 1:2], lapply(mydf[, 3:ncol(mydf)], splitInsert))

结果：

  sex ind  M1  M2  M3  M4
1   M  I1 a/b 1/2 A/T 2/2
2   F  I2 b/b 2/2 A/G 2/3
3   F  I3 a/c 2/3 A/C 2/4
4   M  I4 a/d 2/4 G/G 1/4
5   M   C d/d 2/5 T/C 2/4

【讨论】：

【解决方案3】：

这似乎行得通。

m1 <- substr(mydf$M1, start=1, stop=1)
m2 <- substr(mydf$M1, start=2, stop=2)
paste(m1, m2, sep="/")

输出

[1] "a/b" "b/b" "a/c" "a/d" "d/d"

【讨论】：

工作谢谢，但我需要创建一个函数，以便应用于整个数据帧，例如：varn