R将具有不同分隔符出现的列名拆分为字符串，并将唯一的字符串/字符串计数分配给新的数据帧答案

【问题标题】：R split column names with different occurrences of delimiter into strings and assign unique strings/string counts to a new dataframeR将具有不同分隔符出现的列名拆分为字符串，并将唯一的字符串/字符串计数分配给新的数据帧
【发布时间】：2021-09-20 03:58:36
【问题描述】：

我有一个大型数据框，其中包含这样的列名。我还没有尝试处理任何数据，只是列名。

strainA_1_batch1	strainA_2_bacth2	strainB_1_bacth1	strainC_1_bacth2	strainC_2_bacth2	strainD_a_1_bacth1	strainD_b_1_bacth1

我正在尝试制作一些像这样的统计表：

number of strains	number of batches
5	2

Batch	number of strains
batch1	4
batch2	2

strain	number of samples
StrainA	2
StrainB	1
StrainC	2
StrainD_a	1
StrainD_b	1

我的第一个问题是如何处理strainD_a 和strainD_b 之类的事情，因为如果我在“_”上拆分，我将拆分部分菌株名称，并且不同的拆分数量会使访问信息更加困难。我通过指定拆分数量并从右侧开始拆分，在 python 中处理了类似的事情，但我不确定 R 等价物。

其次，也许我使用的搜索词是错误的，但我只找到了有关如何将一列分成多列的信息。我不需要拆分列，我只想从列名中获取信息。然后使用名称的每个部分的唯一出现来创建新的列或行名称，并计算每个名称的总出现次数。我对统计表的组织方式并不挑剔，只要信息准确即可

【问题讨论】：

标签： r dataframe split strsplit

【解决方案1】：

我认为，如果您在“下划线、数字、下划线”处拆分，它会为您的上述陈述提供解决方案。这确实消除了数字和相关信息。这有关系吗？

names <- c("strainA_1_batch1", "strainA_2_batch2", "strainB_1_batch1", "strainC_1_batch2", "strainC_2_batch2", 
           "strainD_a_1_batch1", "strainD_b_1_batch1")

#split at the underscore, digit and underscore 
splitList <- strsplit(names, "_\\d_")

#convert to dataframe
df <-data.frame(t(as.data.frame.list(splitList)))

#clean up data.frame
rownames(df)<-NULL
names(df)<-c("Strain", "Batch")
df

#report
table(df$Strain)
table(df$Batch)

另一种选择是将数字两侧的下划线替换为“”（或其他字符），然后在空格处分割。

names<-gsub("_(\\d)_", " \\1 ", names)

【讨论】：