R- 在特定模式后修剪数据帧中的字符串

Question

我无法弄清楚如何修剪数据框中字符串的末尾。

我想将所有内容修剪为“基本”名称，在#和字母之后，一个句点，然后是一个数字。我的目标是将数据框中的所有内容修剪为这个“基本”名称，然后将具有相同“基本”的值相加。我认为可以修剪、然后合并并求和这些值。

    ie/
    Gene_name   Values
    B0222.5     4
    B0222.6     16
    B0228.7.1   2
    B0228.7.2   12
    B0350.2h.1  30
    B0350.2h.2  2
    B0350.2i    15
    2RSSE.1a    3
    2RSSE.1b    10
    R02F11.11   4

至

    Gene_name   Values
    B0222.5     4
    B0222.6     16
    B0228.7     14
    B0350.2     47
    2RSSE.1     13
    R02F11.11   4

感谢您的帮助!

Answer 1

这是使用dplyr 和stringr 包的解决方案。您首先使用提取的基本模式创建一个列，然后使用 dplyr 中的 group_by 和 summarise 函数来获取每个值的总和名称:

library(dplyr)
library(stringr)
df2 = df %>% mutate(Gene_name = str_extract(Gene_name,"[[:alnum:]]+\\.\\d+")) %>% 
group_by(Gene_name) %>% summarise(Values = sum(Values))

  Gene_name Values
      <chr>  <int>
1   2RSSE.1     13
2   B0222.5      4
3   B0222.6     16
4   B0228.7     14
5   B0350.2     47
6 R02F11.11      4