15

我确信有一个简单的解决方案,但我想找到它。很感谢任何形式的帮助。

我有一个包含 2 列的数据框;“专业”和“活力”。pro 被格式化为因子并包含 220;300;4 形式的条目,有时更多数字(用“;”分隔),有时只有一个数字(没有“;”)。pep 列被格式化为整数并包含单个数字,例如 20。我想做的是“扩展”例如行 pro:220;300;4 和 pep:20 到三行,其中 pro:220 和 pep :20,一个有 pro:300 和 pep:20,一个有 pro:4 和 pep:20。

我想对整个数据框执行此操作,因此最终得到一个具有两个字符格式列的数据框,其中所有行最初包含多个“;” 单独的数字已扩大。

我宁愿避免循环,因为数据框相当大(> 100000 行)

很抱歉,我无法以更具案例代表性的方式发布此内容……我是新来的,迷失在代码格式中。

应西蒙非常感谢的要求:

    > dput( head( dat , 10 ) )
structure(list(Protein.Group.IDs = structure(c(1095L, 60L, 299L, 
242L, 1091L, 147L, 161L, 884L, 783L, 1040L), .Label = c("0", 
"1", "10", "100", "101", "102", "103", "104", "105", "106", "107", 
"108", "109", "11", "110", "111", "112", "113", "114", "114;680", 
"115", "116", "117", "118", "119", "12", "120", "121", "121;920;530", 
"121;920;530;589", "121;920;530;589;934", "121;920;589", "121;920;934", 
"122;351", "122;351;950", "122;351;950;224;904", "122;351;950;687", 
"122;901;224;904", "122;901;351", "122;901;351;950", "122;901;351;950;224", 
"122;901;351;950;224;890;904", "122;901;351;950;224;890;904;687", 
"122;901;351;950;890;687", "122;901;950", "122;901;950;904;687", 
"122;950", "123", "124", "125", "126", "127", "127;952", "128", 
"129", "13", "130", "131", "131;204", "132", "133", "134", "135", 
"136", "137", "138", "139", "14", "140", "140;259;436", "141", 
"142", "143", "144", "145", "146", "147", "148", "149", "15", 
"150", "151", "152", "153", "154", "155", "156", "157", "158", 
"159", "16", "16;331", "16;331;329", "16;331;329;62", "16;331;329;910", 
"16;331;329;910;62", "16;331;62", "16;331;910", "160", "161", 
"162", "163", "164", "165", "166", "166;743", "167", "167;595", 
"168", "169", "17", "170", "170;48", "171", "172", "173", "174", 
"175", "176", "177", "178", "179", "18", "180", "181", "182", 
"183", "184", "185", "186", "187", "188", "188;813", "188;813;852", 
"189", "19", "19;14", "19;6;9;14;11", "19;884;6;9;14;20;26;11;1", 
"19;9", "19;9;14", "190", "190;260", "191", "192", "193", "194", 
"195", "196", "197", "198", "199", "2", "20", "20;26", "200", 
"201", "202", "203", "204", "205", "206", "207", "208", "209", 
"21", "21;4", "210", "211", "212", "213", "214", "215", "216", 
"217", "218", "219", "22", "220", "221", "222", "223", "224", 
"224;890", "224;890;904", "225", "225;221", "225;221;308", "225;295", 
"226", "227", "228", "228;396", "228;396;73", "228;73", "229", 
"23", "23;137", "23;17;137", "230", "231", "232", "233", "234", 
"235", "236", "237", "238", "239", "24", "240", "241", "242", 
"242;171", "243", "244", "245", "246", "247", "248", "249", "25", 
"250", "251", "252", "253", "254", "255", "256", "257", "258", 
"259", "26", "260", "261", "262", "263", "264", "265", "266", 
"267", "268", "269", "27", "270", "271", "272", "273", "273;541;905", 
"273;905", "274", "275", "276", "277", "278", "279", "28", "280", 
"281", "281;192", "282", "283", "284", "285", "286", "287", "288", 
"289", "29", "290", "291", "292", "293", "294", "295", "296", 
"297", "298", "299", "3", "30", "300", "301", "302", "303", "304", 
"304;770", "305", "306", "307", "308", "309", "31", "310", "311", 
"312", "313;293", "314", "314;658", "315", "316", "317", "318", 
"319", "32", "320", "321", "322", "323", "324", "324;34;564;637;282;229;565", 
"324;564;282", "324;637;229;565", "325", "326", "327", "328", 
"328;586", "329", "33", "330", "331", "332", "333", "334", "335", 
"336", "337", "338", "339", "34", "340", "341", "342", "343", 
"344", "345", "346", "346;523", "347", "348", "349", "35", "350", 
"351", "351;890", "352", "353", "353;277", "354", "355", "356", 
"357", "358", "359", "36", "360", "361", "362", "363", "364", 
"365", "366", "367", "368", "369", "37", "370", "371", "372", 
"373", "374", "375", "376", "377", "377;938", "378", "379", "38", 
"380", "381", "382", "382;147", "383", "384", "385", "386", "387", 
"388", "389", "39", "39;417", "390", "391", "392", "393", "394", 
"395", "396", "397", "398", "399", "399;955", "4", "40", "400", 
"401", "402", "403", "404", "405", "406", "407", "408", "409", 
"41", "410", "411", "412", "413", "414", "415", "416", "417", 
"418", "419", "42", "420", "421", "422", "423", "424", "424;640", 
"425", "426", "427", "427;930", "428", "429", "43", "430", "431", 
"432", "433", "434", "435", "436", "437", "438", "438;178", "439", 
"44", "440", "441", "442", "443", "444", "445", "446", "447", 
"448", "449", "45", "450", "451", "452", "453", "454", "455", 
"456", "457", "458", "459", "46", "460", "461", "462", "463", 
"464", "465", "466", "467", "468", "469", "47", "470", "471", 
"472", "473", "474", "475", "476", "477", "478", "479", "48", 
"480", "481", "482", "483", "484", "485", "486", "487", "488", 
"488;648", "489", "49", "490", "491", "492", "493", "494", "495", 
"496", "497", "498", "499", "5", "50", "500", "501", "502", "503", 
"504", "505", "506", "507", "508", "509", "51", "510", "511", 
"512", "513", "514", "515", "516", "516;603;845", "516;603;845;837", 
"517", "518", "519", "52", "520", "521", "522", "523", "524", 
"525", "526", "527", "527;509", "528", "529", "53", "530", "531", 
"532", "533", "534", "535", "536", "537", "538", "539", "54", 
"540", "540;67", "541", "542", "543", "544", "545", "546", "547", 
"548", "549", "55", "550", "550;549", "551", "552", "553", "554", 
"555", "556", "557", "558", "559", "56", "560", "561", "562", 
"563", "564", "564;282", "564;637", "565", "566", "567", "568", 
"568;569", "568;569;286", "568;569;574", "568;569;574;286", "568;574", 
"569", "57", "570", "571", "572", "573", "574", "575", "576", 
"577", "578", "579", "579;577;578", "579;577;580", "579;577;580;578", 
"58", "580", "581", "582", "583", "584", "585", "585;609", "586", 
"587", "587;167", "587;167;595", "587;167;595;557", "588", "589", 
"59", "590", "591", "592", "593", "594", "595", "596", "597", 
"598", "599", "6", "60", "600", "601", "601;10", "602", "603", 
"604", "605", "606", "607", "608", "609", "61", "610", "611", 
"612", "613", "614", "615", "615;269", "615;926;269", "616", 
"617", "618", "619", "62", "620", "621", "622", "623", "624", 
"625", "626", "627", "628", "629", "63", "63;397", "630", "631", 
"632", "633", "634", "635", "636", "637", "638", "639", "64", 
"64;72", "640", "641", "642", "643", "643;529", "644", "645", 
"646", "647", "648", "649", "65", "650", "651", "652", "653", 
"654", "655", "656", "657", "658", "659", "66", "660", "661", 
"662", "663", "663;819", "664", "665", "666", "667", "668", "669", 
"67", "670", "671", "672", "673", "674", "675", "676", "677", 
"678", "679", "68", "680", "681", "681;97", "682", "683", "684", 
"685", "686", "687", "688", "689", "69", "690", "691", "692", 
"693", "694", "695", "696", "697", "698", "699", "7", "7;25;5", 
"7;752", "7;752;24", "7;752;25;24;8", "70", "700", "701", "702", 
"703", "704", "705", "706", "707", "708", "709", "71", "710", 
"711", "712", "713", "714", "715", "716", "717", "718", "719", 
"72", "72;746;944", "72;746;944;772", "72;772", "72;927", "720", 
"721", "722", "723", "724", "725", "726", "727", "728", "729", 
"73", "730", "731", "732", "733", "734", "735", "735;522", "735;665", 
"735;665;522", "735;665;876", "735;876", "735;876;522", "736", 
"737", "738", "739", "74", "740", "741", "742", "743", "744", 
"745", "746", "746;944", "746;944;772", "747", "748", "749", 
"75", "750", "751", "752", "752;24", "753", "754", "755", "756", 
"757", "758", "759", "76", "76;313", "76;313;293", "760", "761", 
"762", "763", "764", "765", "766", "767", "768", "769", "77", 
"770", "771", "772", "773", "774", "775", "776", "777", "778", 
"779", "78", "780", "781", "782", "783", "784", "785", "786", 
"787", "788", "789", "79", "790", "790;552", "791", "792", "793", 
"793;863", "794", "795", "796", "797", "798", "799", "8", "80", 
"800", "801", "802", "803", "804", "805", "806", "807", "808", 
"808;21", "809", "81", "810", "811", "812", "813", "814", "815", 
"815;413", "815;777", "815;777;339", "815;777;838", "815;838", 
"816", "817", "818", "818;7;752", "818;7;752;23;25;17;8", "819", 
"82", "820", "821", "822", "823", "824", "824;957", "825", "826", 
"827", "828", "829", "83", "830", "831", "832", "833", "834", 
"835", "836", "837", "838", "839", "84", "840", "841", "842", 
"843", "844", "845", "846", "847", "847;560;590", "848", "849", 
"85", "850", "850;817", "851", "852", "853", "853;420", "854", 
"855", "856", "857", "858", "858;638", "858;638;409", "859", 
"86", "860", "861", "861;593", "862", "863", "864", "865", "866", 
"867", "868", "869", "869;614", "87", "870", "871", "872", "873", 
"874", "875", "876", "877", "878", "879", "88", "880", "881", 
"882", "883", "884", "884;6", "884;6;9", "885", "886", "887", 
"888", "888;189", "889", "89", "890", "890;904", "891", "891;953", 
"892", "892;941", "893", "894", "895", "896", "897", "898", "899", 
"9", "90", "900", "901", "901;224", "902", "903", "904", "905", 
"906", "907", "908", "909", "91", "910", "911", "912", "913", 
"914", "915", "916", "917", "918", "918;947", "919", "92", "920;530;589", 
"920;530;589;934", "921", "922", "923", "924", "924;576", "925", 
"926", "927", "928", "929", "93", "930", "931", "932", "933", 
"934", "935", "936", "937", "938", "939", "94", "940", "941", 
"942", "943", "944", "945", "946", "947", "948", "949", "95", 
"950", "951", "952", "953", "954", "955", "956", "957", "958", 
"959", "96", "960", "961", "962", "963", "964", "965", "966", 
"967", "97", "98", "99", "99;392"), class = "factor"), Mod..Peptide.ID = c(23L, 
24L, 25L, 26L, 27L, 29L, 30L, 31L, 32L, 33L)), .Names = c("Protein.Group.IDs", 
"Mod..Peptide.ID"), row.names = c(318L, 344L, 380L, 406L, 409L, 
417L, 436L, 462L, 494L, 505L), class = "data.frame")

亲切的问候

4

3 回答 3

15

我已经成长为真正喜欢data.table这种任务。非常简单。但首先,让我们制作一些示例数据(最好提供这些数据!)

#  Sample data
set.seed(1)
df = data.frame( pep = replicate( 3 , paste( sample(999,3) , collapse=";") ) , pro = sample(3) , stringsAsFactors = FALSE )

现在我们使用data.table包在几行中进行重塑......

#  Load data.table package
require(data.table)

#  Turn data.frame into data.table, which looks like..
dt <- data.table(df)
#           pep pro
#1: 266;372;572   1
#2: 908;202;896   3
#3: 944;660;628   2

# Transform it in one line like this...
dt[ , list( pep = unlist( strsplit( pep , ";" ) ) ) , by = pro ]
#   pro pep
#1:   1 266
#2:   1 372
#3:   1 572
#4:   3 908
#5:   3 202
#6:   3 896
#7:   2 944
#8:   2 660
#9:   2 628
于 2013-10-30T21:02:05.400 回答
14

我想tidyrunnest()就是你要找的。

df <- tibble::tibble(x = 1:2, y = list(c("a", "b", "c"), c("alpha", "beta")))
df
#> # A tibble: 2 x 2
#>       x y        
#>   <int> <list>   
#> 1     1 <chr [3]>
#> 2     2 <chr [2]>
tidyr::unnest(df, cols = y)
#> # A tibble: 5 x 2
#>       x y    
#>   <int> <chr>
#> 1     1 a    
#> 2     1 b    
#> 3     1 c    
#> 4     2 alpha
#> 5     2 beta

reprex 包(v0.3.0)于 2019 年 8 月 10 日创建

于 2017-05-19T12:48:46.887 回答
3

您已经获得了一个不错的答案,但在 R 工具箱中挖掘可能会很有用。这是一个使用splitstackshape包中的函数的示例,concat.split.multiple. 顾名思义,它“允许用户一次拆分多个列”。尽管在当前示例中只有一个连接列要拆分,但该函数很方便,因为它允许我们在同一个调用中将数据重新整形为长格式。使用@SimonO101 提供的最小数据集:

library(splitstackshape)
df2 <- concat.split.multiple(data = df, split.cols = "pep", seps = ";", direction = "long")
df2
#   pro time pep
# 1   1    1 236
# 2   3    1 465
# 3   2    1 641
# 4   1    2  16
# 5   3    2 721
# 6   2    2 323
# 7   1    3 912
# 8   3    3 459
# 9   2    3 283

添加了一个 id 变量 ('time') 以区分为每个组 ('pro') 生成的多个项目 ('pep')。如果你想删除它,只需运行subset(df2, select = -time)

于 2013-10-30T21:57:21.977 回答