拆分列数据，添加数据，重新合并在一起答案

【问题标题】：Split column data, add data in, remerge together拆分列数据，添加数据，重新合并在一起
【发布时间】：2016-09-24 18:58:46
【问题描述】：

我有一个包含两列的文本文件（也许它只是标签？）。其中一列的数据如下所示：TC012950_CDS_3428_4122
第一个数字是 TC#，第二个 CDS，第三个起始位置，第四个结束位置。另一列有一个像这样的值：11.93631

我有另一个文本文件，其中包含按制表符拆分的染色体信息：

ChLG10 蛋白编码 mRNA 3428 5582 。 - 。 TC012950

我的首要目标是最终将染色体名称 (ChLG10) 合并到第一个文件的列中，如下所示： TC012950_ChLG10_3428_4122
第二列仍包含其原始值。

我尝试将数据放入数组或数据框中，但随后我很难拆分第一列。我不断收到错误说替换有 0 行之类的。因此，我希望也许这里有人可以为我指明正确的方向。

如何使用 _ 将第一列拆分为多列？有没有办法将它们分成标签？之后，我需要将每一行与其他数据中的对应行进行匹配，这样我就可以将 Chr Location 列放在 TC# 和 CDS 列之间。一旦它位于正确的位置，那么我需要将所有列重新合并在一起并用_分隔。我在想如果我用标签做了什么，那么我会再次用_替换标签吗？欢迎任何建议或帮助。提前非常感谢您！

【问题讨论】：

有无数种方法可以满足您的要求，但我们需要一些数据。

标签： r dataframe merge split

【解决方案1】：

您可以在sub 函数中使用正则表达式将所需的值放入第一列。我只是用两个数据框伪造了你的数据。

dat1<-data.frame(V1='TC012950_CDS_3428_4122', Value='11.93631', stringsAsFactors=F)
print(dat1)
                  V1    Value
1 TC012950_CDS_3428_4122 11.93631

dat2<-data.frame(V1='ChLG10',V2='protein_coding', V3='mRNA')
print(dat2)
      V1             V2   V3 
1 ChLG10 protein_coding mRNA

# loop over the rows in the data.frames
for (i in 1:nrow(dat1)) {
    dat1$V1[i] <- sub('_[A-Za-z0-9]+_',paste('_',dat2$V1[i],'_',sep=''),dat1$V1[i])
}
print(dat1)
                     V1    Value
1 TC012950_ChLG10_3428_4122 11.93631

sub 的参数如下：

要查找的模式 - 两个之间的一个或多个数字或字母下划线；在这种情况下，单词字符类 (\\w) 将不起作用，因为它包含下划线
带有下划线的字符串和来自第二个文件的所需代码它们之间; paste 只是连接并使用一个空字符串分隔符
要修改的目标字符串（第二个文件的第一列）

sub 只会替换第一个匹配项。

【讨论】：

【解决方案2】：

将一列拆分为多列的一种方法是通过tidyr::separate。分开后，您可以使用tidyr::unite再次合并它们。

library(tidyr)
df = data.frame(A = c("1_2_3","4_5_6"))
df2 = df%>%separate(col="A",into=c("A","B","C"),sep = "_")

输出：

  A B C
1 1 2 3
2 4 5 6

然后您可以按如下任意顺序合并列：

df2%>%unite(col="new",B,C,A,sep="_")

输出：

    new
1 2_3_1
2 5_6_4

【讨论】：