将长字符串列表拆分为逗号分隔的向量，然后转换为 df 行答案

【问题标题】：Split long string list into comma delimited vector and then convert to a df row将长字符串列表拆分为逗号分隔的向量，然后转换为 df 行
【发布时间】：2021-07-17 22:09:01
【问题描述】：

我收集到这个问题有些常见，但我遇到了一些我似乎无法找到答案的问题。

我的字符串很长：

line1 = "GGCTTATTTAACGGGCAGATATACGCTGGGCAAATC ..."

我希望它看起来像：

line1 = c("G", "G", "C", ...)

（顺便说一句，是否可以将上述字母作为整数 - 当我尝试使用 as.integer 函数时，它会将其全部转换为 NA？）

我尝试过： strsplit(line1, "")

这会产生一个列表：'G''G''C'...

为了解决这个问题，我尝试过： paste(line1, collapse = ", ")

哪种作品：c(\"G\", \"G\", \"C" ...)

当我尝试使用gsub 删除“\”时，它没有这样做，因为它突然将脚本中的所有内容都注册为引号。

此外，一旦完成，我想将其塑造成数据框的一行或一列，如下所示：

   [1] [2] [3] ...
[1] G   G   C

或者：

   [1]
[1] G
[2] G
[3] C

【问题讨论】：

标签： r dataframe vector comma

【解决方案1】：

拆分 unlist 后的结果，将其转换为因子，然后转换为数字：

fac <- factor(unlist(strsplit(line1, "")))
as.numeric(fac)
## [1] 5 5 4 6 6 3 6 6 6 3 3 4 5 5 5 4 3 5 3 6 3 6 3 4 5 4 6 5 5 5 4 3 3 3 6 4 1 2 2 2

# this gives the correspondence between numbers and characters
# i.e. space is 1, dot is 2, A is 3, C is 4, G is 5 and T is 6
levels(fac)
## [1] " " "." "A" "C" "G" "T"

也可以使用levels= 参数显式指定级别，在这种情况下，其他字符将为NA，并且可以选择使用na.omit(...) 消除。

fac <- factor(unlist(strsplit(line1, "")), levels = c("A", "C", "G", "T"))
as.numeric(fac)
## [1]  3  3  2  4  4  1  4  4  4  1  1  2  3  3  3  2  1  3  1  4  1  4  1  2  3  2  4  3  3  3  2  1  1  1  4  2 NA NA NA NA

注意

问题中的输入如下。可能最后 4 个字符不打算成为数据的一部分，但如果是这样，那么它应该是这样写的，这样其他人就不必编辑它了。无论如何，上面的代码应该可以工作。

line1 = "GGCTTATTTAACGGGCAGATATACGCTGGGCAAATC ..."

【讨论】：

【解决方案2】：

这个问题似乎要求dput 的输出，但这很少需要。

x <- strsplit(line1, "")[[1]]
dput(x)
#c("G", "G", "C", "T", "T", "A", "T", "T", "T", "A", "A", "C", 
#"G", "G", "G", "C", "A", "G", "A", "T", "A", "T", "A", "C", "G", 
#"C", "T", "G", "G", "G", "C", "A", "A", "A", "T", "C")

关于如何从字符串中获取整数的问题，这里有一个方法。输出是原始 line1 字符串中字母的 ASCII 码。

charToRaw(line1)
# [1] 47 47 43 54 54 41 54 54 54 41 41 43 47 47 47 43 41 47 41 54 41 54 41
#[24] 43 47 43 54 47 47 47 43 41 41 41 54 43

数据

line1 <- "GGCTTATTTAACGGGCAGATATACGCTGGGCAAATC"

【讨论】：

这确实有效，谢谢！但是 dput() 的输出不能保存到向量中——这有关系吗？
@hemr3 不，没关系。您只需要它来保存或共享数据并在以后重建它。在每天的 R 编程中，您将不需要双引号，在问题中您将字符向量的打印方法误认为是 strsplit。 TL; DR：不用担心双引号。

【解决方案3】：

要将该列表转换为字符向量，您只需：

x <- strsplit(line1, "")
x <- x[[1]]

要使其成为 df 的列，您可以执行以下操作：

x <- as.data.frame(x)

或者直接从第一行开始：

x <- as.data.frame(strsplit(line1, ""))

这会给它一个丑陋的列标题，你可以用它来修复

names(x)[1] <- 'whatever'

或者直接在一次通话中再次：

x <- as.data.frame(strsplit(line1, ""), col.names = 'whatever')

【讨论】：