r - 将数据框字符串列拆分为多列而不使用模式
问题描述
我有一个 data.frame,其中包含一个名为“Extra”的列,其中包含许多由“;”分隔的信息。我只想在包含第一个单词“MES”之后保留该部分。
> [1]
IMPACT=MODIFIER;DISTANCE=3802;STRAND=1;MES-SWA_acceptor_alt=-1.269;MES-SWA_acceptor_diff=-4.016;MES-SWA_acceptor_ref=-5.005;MES-SWA_acceptor_ref_comp=-5.285;MES-SWA_donor_alt=-6.610;MES-SWA_donor_diff=0.781;MES-SWA_donor_ref=-1.165;MES-SWA_donor_ref_comp=-5.829
> [2]
IMPACT=MODIFIER;STRAND=1;MES-SWA_acceptor_alt=0.965;MES-SWA_acceptor_diff=0.290;MES-SWA_acceptor_ref=1.255;MES-SWA_acceptor_ref_comp=1.255;MES-SWA_donor_alt=-9.796;MES-SWA_donor_diff=-1.219;MES-SWA_donor_ref=-10.341;MES-SWA_donor_ref_comp=-11.015
用“;”将信息分成几列 使用“separate()”函数很容易。但是,如果我这样做,因为并非所有行都包含完全相同的信息(例如:DISTANCE值在第一个示例中但不在第二个示例中),列的信息会变得混乱并且与它们对应的列不匹配(见图)。我认为这就是我收到警告消息的原因:
> df <- separate(tabla2, col = "Extra", c("IMPACT=MODIFIER", "DISTANCE", "STRAND", "MES-SWA_acceptor_alt", "MES-SWA_acceptor_diff", "MES-SWA_acceptor_ref", "MES-SWA_acceptor_ref_comp", "MES-SWA_donor_alt", "MES-SWA_donor_diff", "MES-SWA_donor_ref", "MES-SWA_donor_ref_comp"), sep = ";")
>Warning messages:
1: Expected 11 pieces. Additional pieces discarded in 23177 rows [2, 4, 5, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 18, 19, 20, 21, 22, 23, 24, ...].
2: Expected 11 pieces. Missing pieces filled with `NA` in 74 rows [1055, 1061, 1062, 1072, 1100, 1101, 1102, 1103, 1104, 1105, 1308, 1319, 1320, 1321, 2684, 2713, 2714, 10494, 10495, 10496, ...].
所以,如果我能摆脱我想要保留的信息之前的所有无价值数据,我会很高兴。但是,我发现的所有函数(substring、substr、separate、nchar ...)在我的情况下都没有用,因为它们需要一个 start 参数,它在我的数据中并不总是相同的。
我认为我最接近解决这个问题的是通过组合这样的功能unlist(strsplit())
:
> tabla3 <- tabla2 %>% select(Extra, var_id)
> tabla4 <- unlist(strsplit(tabla2$Extra, "MES-SWA_acceptor_alt="))
> tabla5 <- bind_cols(tabla3, tabla4) --> Error: Argument 2 must have names
谁能帮我解决这个问题?我会很高兴的!
这是我第一次发帖,所以我希望一切都清楚:)
解决方案
使用data.table,拆分";"
为新列,然后从宽到长重塑,然后拆分"="
到新列,最后从长到宽重塑。即使缺少值,这也会为我们提供对齐的列名,例如,参见 DISTANCE,第二行是 NA:
d <- data.table(Extra = c("IMPACT=MODIFIER;DISTANCE=3802;STRAND=1;MES-SWA_acceptor_alt=-1.269;MES-SWA_acceptor_diff=-4.016;MES-SWA_acceptor_ref=-5.005;MES-SWA_acceptor_ref_comp=-5.285;MES-SWA_donor_alt=-6.610;MES-SWA_donor_diff=0.781;MES-SWA_donor_ref=-1.165;MES-SWA_donor_ref_comp=-5.829",
"IMPACT=MODIFIER;STRAND=1;MES-SWA_acceptor_alt=0.965;MES-SWA_acceptor_diff=0.290;MES-SWA_acceptor_ref=1.255;MES-SWA_acceptor_ref_comp=1.255;MES-SWA_donor_alt=-9.796;MES-SWA_donor_diff=-1.219;MES-SWA_donor_ref=-10.341;MES-SWA_donor_ref_comp=-11.015"))
d[, tstrsplit(Extra, ";")
][, id := .I
][, melt(.SD, id.vars = "id")
][, c("c1", "c2") := tstrsplit(value, "=", type.convert = TRUE)
][ , dcast(.SD, id ~ c1, value.var = "c2")]
# id NA DISTANCE IMPACT MES-SWA_acceptor_alt MES-SWA_acceptor_diff
# 1: 1 <NA> 3802 MODIFIER -1.269 -4.016
# 2: 2 <NA> <NA> MODIFIER 0.965 0.290
# MES-SWA_acceptor_ref MES-SWA_acceptor_ref_comp MES-SWA_donor_alt
# 1: -5.005 -5.285 -6.610
# 2: 1.255 1.255 -9.796
# MES-SWA_donor_diff MES-SWA_donor_ref MES-SWA_donor_ref_comp STRAND
# 1: 0.781 -1.165 -5.829 1
# 2: -1.219 -10.341 -11.015 1
推荐阅读
- java - 查找重复的字符串逻辑表达式
- c++ - 在堆上创建多维数组
- javascript - 为什么 Mocha.js 找不到模块?
- r - 如何根据两个变量更改 geom_point 大小?
- javascript - 使用某个类单击行后隐藏所有行
- c++ - 如何在 C++ 中重新定义一对
- python - Matplotlib:如何在 Arc 中绘制边缘线 - 补丁
- react-native - Rendering React Native 'Tile' in a single row
- android - 从初始屏幕中删除标题栏
- xamarin.forms - Xamarin Switch Toggled 事件:获取列表的绑定项