我花了最后一个小时尝试将 2 列格式重新格式化为更有用的格式。
我有以下输入(一个 2 列数据框/tibble):
输入
TGGGAAGGTTATGTGC-1 CMO305|CMO306|CMO312 3698|3806|12182
TGTTCTACATGACAGG-1 CMO305|CMO306|CMO312 3027|1449|4184
ACTGATGCAGAGTGAC-1 CMO305|CMO307 6802|4715
ATCGTCCGTTACCCAA-1 CMO305|CMO307 5599|7019
ATGCATGTCATGACAC-1 CMO305|CMO307 10872|16729
GTGAGTTAGTCCGCCA-1 CMO305|CMO307 10096|3434
期望的输出(A-宽)
<表类="s-表">
<头>
<日>
CMO305
CMO306
CMO307
CMO312
<正文>
TGGGAAGGTTATGTGC-1
3698
3806
0
12182
TGTTCTACATGACAGG-1
3027
1449
0
4184
ACTGATGCAGAGTGAC-1
6802
0
4715
0
ATCGTCCGTTACCCAA-1
5599
0
7019
0
ATGCATGTCATGACAC-1
10872
0
16729
0
GTGAGTTAGTCCGCCA-1
10096
0
3434
0
期望的输出(B - 长格式)
> CMO.umis.long
feature_call num_umis
<chr> <dbl>
1 CMO304 2168
2 CMO304 14210
3 CMO304 7009
4 CMO304 5931
5 CMO304 7147
6 CMO304 1683
我很确定这个问题已经得到解答，但我似乎找不到合适的搜索词。
separate_rows() 可能是方法，但我无法正确拆分...
谢谢，感谢您的帮助!
最佳答案
假设列名为 'col1'、'col2'、'col3'，在 col2 和 col3 上使用 separate_rows，sep 为 |(regex 模式是默认模式 - 因此转义元字符 | 以按字面意思读取它)，然后使用 pivot_wider reshape 回“宽”来自 tidyr
library(dplyr)
library(tidyr)
long_df <- df1 %>%
mutate(rn = row_number()) %>%
separate_rows(c(col2, col3), sep = "\\|", convert = TRUE)
-输出
long_df %>%
select(col2, col3)
# A tibble: 14 × 2
col2 col3
<chr> <int>
1 CMO305 3698
2 CMO306 3806
3 CMO312 12182
4 CMO305 3027
5 CMO306 1449
6 CMO312 4184
7 CMO305 6802
8 CMO307 4715
9 CMO305 5599
10 CMO307 7019
11 CMO305 10872
12 CMO307 16729
13 CMO305 10096
14 CMO307 3434
或者如果我们需要宽幅
wide_df <- long_df %>%
pivot_wider(names_from = col2, values_from = col3, values_fill = 0) %>%
select(-rn)
-输出
wide_df
# A tibble: 6 × 5
col1 CMO305 CMO306 CMO312 CMO307
<chr> <int> <int> <int> <int>
1 TGGGAAGGTTATGTGC-1 3698 3806 12182 0
2 TGTTCTACATGACAGG-1 3027 1449 4184 0
3 ACTGATGCAGAGTGAC-1 6802 0 0 4715
4 ATCGTCCGTTACCCAA-1 5599 0 0 7019
5 ATGCATGTCATGACAC-1 10872 0 0 16729
6 GTGAGTTAGTCCGCCA-1 10096 0 0 3434
数据
df1 <- structure(list(col1 = c("TGGGAAGGTTATGTGC-1", "TGTTCTACATGACAGG-1",
"ACTGATGCAGAGTGAC-1", "ATCGTCCGTTACCCAA-1", "ATGCATGTCATGACAC-1",
"GTGAGTTAGTCCGCCA-1"), col2 = c("CMO305|CMO306|CMO312", "CMO305|CMO306|CMO312",
"CMO305|CMO307", "CMO305|CMO307", "CMO305|CMO307", "CMO305|CMO307"
), col3 = c("3698|3806|12182", "3027|1449|4184", "6802|4715",
"5599|7019", "10872|16729", "10096|3434")),
class = "data.frame", row.names = c(NA,
-6L))
关于r - 如何将 2 列 (X, Y)、管道分隔的表格转换为 X by Y 数据框或长格式？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/69620864/