将 data.frame 列拆分为其他列答案

【问题标题】：Split a data.frame column into others columns将 data.frame 列拆分为其他列
【发布时间】：2017-12-08 10:56:26
【问题描述】：

我有一个很大的data.frame 有一些列，但我的第 9 列是由分号分隔的数据组成的：

    gtf$V9
1                 gene_id CUFF.1; transcript_id CUFF.1.1; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;
2  gene_id CUFF.1; transcript_id CUFF.1.1; exon_number 1; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;
3  gene_id CUFF.1; transcript_id CUFF.1.1; exon_number 2; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;
4  gene_id CUFF.1; transcript_id CUFF.1.1; exon_number 3; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;

所以我想将此列分成其他列，然后将merge 与data.frame 的另一部分（第 9 列之前的其他列）一起剪切。

我尝试了一些没有结果的代码：

head(gtf$V9, sep = ";",stringsAsFactors = FALSE)

或

new_df <- matrix(gtf$V9, ncol=7, byrow=TRUE) # sep = ";"

与as.data.frame、data.frame 或as.matrix 相同

我也尝试过 write.csv 并使用包含 sep=";" 的方式导入它，但 data.frame 太大了，我的电脑运行滞后..

有什么建议吗？

【问题讨论】：

最终read.table(text=gt$V9, sep=';') ...然后cbind()
您正在读取序列变体数据。看看 refGenome 包cran.r-project.org/web/packages/refGenome/vignettes/…
你必须提供更多关于你希望你的理想输出如何的信息。当您将V9 拆分为; 时，您是否获得了列的值？ V9 中是否也包含列名？假设后者，我会猜测并发布答案。

标签： r dataframe split multiple-columns

【解决方案1】：

另一个选择是使用splitstackshape-package（它也加载data.table）。使用：

library(splitstackshape)
cSplit(cSplit(df, 'V9', sep = ';', direction = 'long'),
       'V9', sep = ' ')[, dcast(.SD, cumsum(V9_1 == 'gene_id') ~ V9_1)]

给予：

   V9_1  conf_hi  conf_lo       cov exon_number         FPKM     frac gene_id transcript_id
1:    1 9.805420 4.347062 25.616962          NA 7.0762407256 1.000000  CUFF.1      CUFF.1.1
2:    2 9.805420 4.347062 25.616962           1 7.0762407256 1.000000  CUFF.1      CUFF.1.1
3:    3 9.805420 4.347062 25.616962           2 7.0762407256 1.000000  CUFF.1      CUFF.1.1
4:    4 9.805420 4.347062 25.616962           3 7.0762407256 1.000000  CUFF.1      CUFF.1.1

【讨论】：

【解决方案2】：

您可以在 sapply() 中执行 strsplit()

如果您知道 V9 中可以有多少个对象，那么您就可以对其进行 for 循环

for (i in 1:number_of_max_objects_in_V9) {
 gtf[ncol(gtf)+1] = sapply(1:nrow(gtf), function(x) strsplit(gtf$V9[x],',')[[1]][i])
}

如果您不知道 V9 可以拥有多少个对象，那么只需在 gtf$V9 中的 , 上运行 str_count，如下所示：

library(stringr)
number_of_max_objects_in_V9 <- max(sapply(1:nrow(gtf), function(x) str_count(gtf$V9,',')))

【讨论】：

【解决方案3】：

# example dataset (only variable of interest included)
df = data.frame(V9=c("gene_id CUFF.1; transcript_id CUFF.1.1; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;",
                "gene_id CUFF.1; transcript_id CUFF.1.1; exon_number 1; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;",
                "gene_id CUFF.1; transcript_id CUFF.1.1; exon_number 2; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;",
                "gene_id CUFF.1; transcript_id CUFF.1.1; exon_number 3; FPKM 7.0762407256; frac 1.000000; conf_lo 4.347062; conf_hi 9.805420; cov 25.616962;"),
                stringsAsFactors = F)

library(dplyr)
library(tidyr)

df %>%
  mutate(id = row_number()) %>%                  # flag row ids (will need those to reshape data later)                
  separate_rows(V9, sep="; ") %>%                # split strings and create new rows
  separate(V9, c("name","value"), sep=" ") %>%   # separate column name from value
  mutate(value = gsub(";","",value)) %>%         # remove ; when necessary
  spread(name, value)                            # reshape data

#   id  conf_hi  conf_lo       cov exon_number         FPKM     frac gene_id transcript_id
# 1  1 9.805420 4.347062 25.616962        <NA> 7.0762407256 1.000000  CUFF.1      CUFF.1.1
# 2  2 9.805420 4.347062 25.616962           1 7.0762407256 1.000000  CUFF.1      CUFF.1.1
# 3  3 9.805420 4.347062 25.616962           2 7.0762407256 1.000000  CUFF.1      CUFF.1.1
# 4  4 9.805420 4.347062 25.616962           3 7.0762407256 1.000000  CUFF.1      CUFF.1.1

您可以使用行 ID (id) 将此数据集连接回您的初始数据集。您还需要在原始数据集中创建一个id。

【讨论】：