如何使用 str_split_fixed 拆分具有多个分隔符的数据帧？答案

【问题标题】：How to split data frame with multiple delimiter using str_split_fixed?如何使用 str_split_fixed 拆分具有多个分隔符的数据帧？
【发布时间】：2016-06-16 14:50:15
【问题描述】：

如何将由多个分隔符分隔的列拆分为数据框中的单独列

read.table(text = " Chr  Nm1 Nm2 Nm3
    chr10_100064111-100064134+Nfif   20  20 20
    chr10_100064115-100064138-Kitl   30 19 40
    chr10_100076865-100076888+Tert   60 440 18
    chr10_100079974-100079997-Itg    50 11 23                
    chr10_100466221-100466244+Tmtc3  55 24 53", header = TRUE)


              Chr              gene   Nm1 Nm2 Nm3
    chr10_100064111-100064134 Nfif   20  20 20
    chr10_100064115-100064138 Kitl   30 19 40
    chr10_100076865-100076888 Tert   60 440 18
    chr10_100079974-100079997 Itg    50 11 23 12                
    chr10_100466221-100466244 Tmtc3  55 24 53 12

我用过

library(stringr)
df2 <- str_split_fixed(df1$name, "\\+", 2)

我想知道如何同时包含 + 和 - 分隔符

【问题讨论】：

在str_split 中使用正则表达式字符类和"[+-]" 或使用管道+|-。另外，我不确定你是否从stringr 那里获得了任何常规strsplit 并没有做得很好的东西。

标签： r stringr

【解决方案1】：

如果您想将一列拆分为多列，tidyr::separate 很方便：

library(tidyr)

dat %>% separate(Chr, into = paste0('Chr', 1:3), sep = '[+-]')

#              Chr1      Chr2  Chr3 Nm1 Nm2 Nm3
# 1 chr10_100064111 100064134  Nfif  20  20  20
# 2 chr10_100064115 100064138  Kitl  30  19  40
# 3 chr10_100076865 100076888  Tert  60 440  18
# 4 chr10_100079974 100079997   Itg  50  11  23
# 5 chr10_100466221 100466244 Tmtc3  55  24  53

【讨论】：

【解决方案2】：

这应该可行：

str_split_fixed(a, "[-+]", 2)

【讨论】：

如果您使用的是正则表达式，则需要使用str_split（或strsplit），而不是str_split_fixed。
来自 str_split_fixed 文档：“默认解释是正则表达式，如 stringi-search-regex 中所述。使用 regex() 控制选项”我也对其进行了测试，似乎可以正常工作
嗯，你是对的！ ...虽然这是一组非常混乱的命名函数，因为基本 R 正则表达式 fixed = TRUE 行为。

【解决方案3】：

这是在基础 R 中使用strsplit 执行此操作的一种方法：

# split Chr into a list
tempList <- strsplit(as.character(df$Chr), split="[+-]")

# replace Chr with desired values
df$Chr <- sapply(tempList, function(i) paste(i[[1]], i[[2]], sep="-"))

# get Gene variable
df$gene <- sapply(tempList, "[[", 3)

【讨论】：

尝试 df$gene
@beginner 我刚刚复制并粘贴了您的示例 data.frame，将其命名为 df，然后复制并粘贴了我建议的解决方案，但没有收到此错误。