使用 gsub 后如何对剩余值求和？

Question

这个问题我的大脑没有解决，所以请大家帮忙。

这是我的数据的一部分：

rfam[1:20,]
     id              name
1  RF00001  LL_skoljka_r41782307_x1
2  RF00001   LL_skoljka_r9950955_x1
3  RF00001  LL_skoljka_r49323482_x1
4  RF00001  LL_skoljka_r14141437_x1
5  RF00001  LL_skoljka_r16457227_x3
6  RF00002  LL_skoljka_r40347558_x1
7  RF00002  LL_skoljka_r44415149_x1
8  RF00002  LL_skoljka_r13145032_x1
9  RF00002 LL_skoljka_r29248915_x42
10 RF00003  LL_skoljka_r15936986_x1
11 RF00003  LL_skoljka_r28953530_x1
12 RF00003  LL_skoljka_r32665758_x1
13 RF00003  LL_skoljka_r32835489_x1
14 RF00003  LL_skoljka_r32835498_x1
15 RF04051  LL_skoljka_r33254611_x1
16 RF04051 LL_skoljka_r29761867_x12
17 RF04051  LL_skoljka_r45123665_x2
18 RF04051 LL_skoljka_r34837827_x15
19 RF08595  LL_skoljka_r38900754_x1
20 RF08595  LL_skoljka_r22016530_x1

第一步我想删除变量name中x之前的所有废话，所以我使用：

rfam$name<- as.data.frame(sapply(rfam$name, gsub, pattern='^.*?x', replacement=""))

结果：

rfam[1:20,]
     id       name
1  RF00001       1
2  RF00001       1
3  RF00001       1
4  RF00001       1
5  RF00001       3
6  RF00002       1
7  RF00002       1
8  RF00002       1
9  RF00002      42
10 RF00003       1
11 RF00003       1
12 RF00003       1
13 RF00003       1
14 RF00003       1
15 RF04051       1
16 RF04051      12
17 RF04051       2
18 RF04051      15
19 RF08595       1
20 RF08595       1

在第二步中，我想为每个 id 汇总变量 name 中的值。

结果应如下所示：

view(rfam)
     id       name
1  RF00001       7
2  RF00002      45
3  RF00003       5
4  RF04051      30 
5  RF08595       2

如果我想总结值，变量应该是数字。我的两个变量都是因素。因此，我使用rfam[,1]=as.character(rfam[,1]) 将id 转换为字符，并尝试通过rfam[,2]=as.numeric(levels(rfam[,2])[rfam[,2]]) 将name 转换为数字。 id 的转换成功，而name 返回“NA's”。

我也试过rfam[,2]=as.numeric(as.character(rfam[,2]))，但结果是一样的。

我尝试将数据导出到 txt 文件，然后在 excel 中进行其余的分析，但是当我导出数据时，它看起来像这样：

      "id"     "name"
"1" "RF00001"   c(1, 1, 1, 1, 9, 1, 1, 1, 11, 1, 1, 1, 1, 1, 1, 3, 7, 5, 1, 1, 1, 9, 1, 14, 10, 7, 1, 5, 1, 1, 1, 1, 1, 7, 1, 2, 1, 1, 1, 9, 1, 7, 1, 1, 1, 1, 1, 1, 10, 7, 1, 10, 7, 1, 1, 1, 1, 1, 7, 1, 10, 1, 1, 1, 1, 1, 1, 1, 7, 1,...) 
"2" "RF00001"   c(1, 1, 1, 1, 9, 1, 1, 1, 11, 1, 1, 1, 1, 1, 1, 3, 7, 5, 1, 1, 1, 9, 1, 14, 10, 7, 1, 5, 1, 1, 1, 1, 1, 7, 1, 2, 1, 1, 1, 9, 1, 7, 1, 1, 1, 1, 1, 1, 10, 7, 1, 10, 7, 1, 1, 1, 1, 1, 7, 1, 10, 1, 1, 1, 1, 1, 1, 1, 7, 1,...)    
"3" "RF00001"   c(1, 1, 1, 1, 9, 1, 1, 1, 11, 1, 1, 1, 1, 1, 1, 3, 7, 5, 1, 1, 1, 9, 1, 14, 10, 7, 1, 5, 1, 1, 1, 1, 1, 7, 1, 2, 1, 1, 1, 9, 1, 7, 1, 1, 1, 1, 1, 1, 10, 7, 1, 10, 7, 1, 1, 1, 1, 1, 7, 1, 10, 1, 1, 1, 1, 1, 1, 1, 7, 1,...)

现在这是我的死胡同。我不明白发生了什么，如果你能帮助我，我将不胜感激。

Answer 1

更新

意识到您的问题与分组部分无关，问题在于您的 sapply() 函数在 rfam 内创建了一个 data.frame 而不是一个向量。

您可以使用以下 data.table 解决方案将rfam$name 列正确转换为所需的格式以便能够分组。

setDT(rfam)[,name:= as.numeric(gsub('^.*?x', replacement="",name))]

现在我们可以使用 dplyr 来获得所需的输出：

library(dplyr)
as.data.frame(rfam) %>% group_by(id) %>% summarise(name=sum(name))