在 R 中的列数据框中拆分字符串并为子字符串创建附加列答案

【问题标题】：Split strings in column dataframe in R and create additional columns for the substrings在 R 中的列数据框中拆分字符串并为子字符串创建附加列
【发布时间】：2016-06-11 22:50:45
【问题描述】：

在处理基因组阵列数据时，“探针”通常分配给不同的基因（不同的转录本）。对象df 显示了一个例子。

df <- data.frame(c("geneA;geneB;geneB", "geneG", "geneC;geneD"))
colnames(df) <- "gene.names"
df#looks like this:

         gene.names
1 geneA;geneB;geneB
2             geneG
3       geneC;geneD

我想将df$gene.names 中的所有元素拆分为;，并将每个子字符串放在一个新列中。如果连续没有更多基因，可以使用NA。

这个脚本有效，但我想大多数人会同意这是一个贪婪的代码并且效率不高。有人可以提出更好的选择吗？

library(plyr)#load this library first

out <- NULL
for (i in 1:NROW(df)){
    one <- as.data.frame(t(as.data.frame(strsplit(as.character(df[i,1]), ";"))))
    out <- rbind.fill(out, one)
}
out#looks like this:

     V1    V2    V3
1 geneA geneB geneB
2 geneG  <NA>  <NA>
3 geneC geneD  <NA>

【问题讨论】：

标签： r dataframe split

【解决方案1】：

我建议为此使用splitstackshape：

splitstackshape::cSplit(df, splitCols="gene.names", sep=";")

   gene.names_1 gene.names_2 gene.names_3
1:        geneA        geneB        geneB
2:        geneG           NA           NA
3:        geneC        geneD           NA

【讨论】：

为了完整起见，截至今天在tidyr v5.0 中还有另一个选项：df %>% separate_rows(gene.names, sep=";")

【解决方案2】：

这是base R 选项与read.table

read.table(text= as.character(df$gene.names), sep=";",
       header=FALSE, stringsAsFactors=FALSE, fill=TRUE,na.strings="")
#     V1    V2    V3 
#1 geneA geneB geneB
#2 geneG  <NA>  <NA>
#3 geneC geneD  <NA>

【讨论】：