【发布时间】:2021-04-14 13:24:06
【问题描述】:
data.table::tstrsplit 有一个有用的 type.convert 参数。但是当拆分后每一行都转换为不同的类时,它会出错,请参见示例:
library(data.table)
x <- fread("CHROM POS REF ALT TYPE AF
chr1 1 A T MISSENSE 0.23
chr2 1 A T,G MISSENSE 0.17,0.09")
在 ALT 列中,我们有“T”和“T,G”,因此第一行被转换为逻辑“TRUE”,第二行被拆分并转换为字符“T”和“G”。结果我们得到以下错误:
x[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed = TRUE, type.convert = TRUE))),
by = .(CHROM, POS, REF, TYPE)]
# Error in `[.data.table`(x, , lapply(.SD, function(x) unlist(tstrsplit(x, :
# Column 1 of result for group 2 is type 'character' but expecting type
# 'logical'. Column types must be consistent for each group.
我们可以避免自动转换,然后手动转换,一切都很好:
x[, lapply(.SD, function(x) unlist(tstrsplit(x, ",", fixed = TRUE))),
by = .(CHROM, POS, REF, TYPE)][, .(CHROM, POS, REF, ALT, TYPE, AF = as.numeric(AF))]
# CHROM POS REF ALT TYPE AF
# 1: chr1 1 A T MISSENSE 0.23
# 2: chr2 1 A T MISSENSE 0.17
# 3: chr2 1 A G MISSENSE 0.09
但是 tidyr::separate 没有这个问题:
tidyr::separate_rows(x, ALT, AF, convert = TRUE)
# # A tibble: 3 x 6
# CHROM POS REF ALT TYPE AF
# <chr> <int> <chr> <chr> <chr> <dbl>
# 1 chr1 1 A T MISSENSE 0.23
# 2 chr2 1 A T MISSENSE 0.17
# 3 chr2 1 A G MISSENSE 0.09
问题:有没有更好的 data.table 方法来实现这一点?我需要使用类型转换,因为 AF 列需要是数字。我想同时拆分分隔列。在实际数据中,可能有超过 2 列带有分隔符。
【问题讨论】:
-
@akrun 不错,但仍然希望避免这个“额外”步骤。单独的行看起来更整洁。如果没有别的,这是迄今为止最好的,谢谢。
标签: r string split data.table