Разделить строку на отдельные буквы и запомнить позицию
У меня есть такой набор данных:
# test data
test.table <- data.frame(
id = seq(1,3),
sequence = c('HELLOTHISISASTRING','STRING|IS||18|LONG','SOMEOTHERSTRING!!!')
)
Каждая последовательность имеет одинаковую длину (18). Теперь я хочу создать такую таблицу:
#id position letter
#1 1 H
#1 2 E
#1 3 L
#.....etc
Хотя я знаю, что могу разделить строки с помощью strsplit, например:
splitted <- strsplit(as.character(test.table$sequence), '')
Я не могу понять, как это преобразовать в предпочтительный для меня формат?
Конечно! Очевидно, мои настоящие данные не похожи на эти бессмысленные строки. У меня в основном два набора данных. Один такой, содержащий идентификаторы + строки, а другой, имеющий идентификатор формата, позицию, позиционные характеристики. Мне нужно объединить оба набора данных, чтобы получить такую таблицу, как: id позиция буква позиционная характеристика. Надеюсь, это имеет смысл, не вдаваясь в мой набор данных слишком много @TimBiegeleisen
stack(setNames(strsplit(as.character(test.table$sequence), ""), test.table$id)), см. также эти вопросы и ответыВам нужен l1 <- unlist(strsplit(as.character(test.table$sequence), '')); data.frame(position = seq_along(l1), letter = l1)?
@jaap Кажется, это не показывает позиции букв
Просто добавьте rowid, например: res <- stack(setNames(strsplit(as.character(test.table$sequence), ""), test.table$id)); res$rowID <- 1:18
@CodeNoob Это действительно был стартер, полный ответ опубликован ниже.
Основываясь на ваших старых вопросах, это биологические данные, верно? Не могли бы вы объяснить в контексте биологии, чего мы пытаемся достичь?
Ответы 7
Вы можете использовать инструменты tidyverse:
test.table <- data.frame(
id = seq(1,3),
sequence = c('HELLOTHISISASTRING','STRING|IS||18|LONG','SOMEOTHERSTRING!!!')
)
library(tidyverse)
test.table %>%
mutate(letters = str_split(sequence, "")) %>%
unnest %>%
group_by(id, sequence) %>%
mutate(position = row_number())
#> # A tibble: 54 x 4
#> # Groups: id, sequence [3]
#> id sequence letters position
#> <int> <fct> <chr> <int>
#> 1 1 HELLOTHISISASTRING H 1
#> 2 1 HELLOTHISISASTRING E 2
#> 3 1 HELLOTHISISASTRING L 3
#> 4 1 HELLOTHISISASTRING L 4
#> 5 1 HELLOTHISISASTRING O 5
#> 6 1 HELLOTHISISASTRING T 6
#> 7 1 HELLOTHISISASTRING H 7
#> 8 1 HELLOTHISISASTRING I 8
#> 9 1 HELLOTHISISASTRING S 9
#> 10 1 HELLOTHISISASTRING I 10
#> # ... with 44 more rows
Создано 07.09.2018 пользователем пакет REPEX (v0.2.0).
Попробуйте это с помощью пакета stringi:
library(stringi)
data=data.frame()
for(i in 1:nrow(test.table)){ # For each id
# Split the data for each index and store the itermediate result and
# bind it as id, position and letter
df=cbind(test.table$id[i],1: stri_length(test.table$sequence[i]),stri_sub(test.table$sequence[i],
seq(1, stri_length(test.table$sequence[i]),by=1), length=1))
data=rbind(data,df) # Append each id result to data
}
colnames(data)=c('id','position','letter')
Выход:
id position letter
1 1 1 H
2 1 2 E
3 1 3 L
4 1 4 L
5 1 5 O
6 1 6 T
Базовый раствор R:
df <- stack(setNames(strsplit(as.character(test.table$sequence), ""), test.table$id))[2:1]
df$pos <- with(df, ave(values, ind, FUN = seq_along))
который дает:
> df ind values pos 1 1 H 1 2 1 E 2 3 1 L 3 4 1 L 4 5 1 O 5 6 1 T 6 7 1 H 7 8 1 I 8 ....
Или используя Таблица данных:
library(data.table)
setDT(test.table)
test.table[, .(letter = unlist(tstrsplit(sequence, "", fixed=TRUE))), id
][, pos := rowid(id)][]
что дает тот же результат:
id letter pos 1: 1 H 1 2: 1 E 2 3: 1 L 3 4: 1 L 4 5: 1 O 5 6: 1 T 6 7: 1 H 7 8: 1 I 8 ....
Есть удобный пакет для таких операций, как splitstackshape.
library(splitstackshape)
dt1 <- cSplit(test.table, 'sequence', sep = '', direction = 'long', stripWhite = FALSE)
dt1$pos <- seq(18)
который дает,
id sequence pos 1: 1 H 1 2: 1 E 2 3: 1 L 3 4: 1 L 4 5: 1 O 5 6: 1 T 6 7: 1 H 7 8: 1 I 8 9: 1 S 9 10: 1 I 10 ...
Здесь уже есть несколько хороших ответов, но есть еще один способ сделать это с помощью tidyverse.
test.table <- data.frame(
id = seq(1,3),
sequence = c('HELLOTHISISASTRING','STRING|IS||18|LONG','SOMEOTHERSTRING!!!')
)
library(tidyverse)
library(reshape2)
test.table %>%
separate(col=sequence, into=as.character(1:18), sep=1:17) %>%
melt('id', value.name = 'letter', variable.name='position') %>%
arrange(id, position)
В приведенном выше коде функция separate из tidyr разделяет столбец sequence на 18 отдельных столбцов (называя их от 1 до 18), а затем они объединяются в столбцы letter и position.
Это с reshape2, который явно не загружается с tidyverse - я добавил library(reshape2). Спасибо!
Нет необходимости в изменении формы, tidyverse (пакет tidyr) имеет функцию gather, используйте ее вместо этого.
Ответ не соответствует требованиям, но, исходя из вашего комментария, нам может понадобиться следующее:
chartr("HES", "ZXY", test.table$sequence)
# [1] "ZXLLOTZIYIYAYTRING" "YTRING|IY||18|LONG" "YOMXOTZXRYTRING!!!"
Где мы заменяем каждый H на Z, E на X, S на Y и т. д.
Вот еще одна вариация на тему.
library(tidyverse)
test.table %>%
nest(-id) %>%
mutate(letters = map(data, ~str_split(.x$sequence,'') %>% unlist()),
numbers = map(letters, ~1:length(.x))) %>%
unnest(letters, numbers)
#> # A tibble: 54 x 3
#> id letters numbers
#> <int> <chr> <int>
#> 1 1 H 1
#> 2 1 E 2
#> 3 1 L 3
#> 4 1 L 4
#> 5 1 O 5
#> 6 1 T 6
#> 7 1 H 7
#> 8 1 I 8
#> 9 1 S 9
#> 10 1 I 10
#> # ... with 44 more rows
или немного отличается, чтобы избежать двух вызовов карты
test.table %>%
nest(-id) %>%
mutate(newdata = map(data, ~data_frame(
letters = str_split(.x$sequence, "") %>% unlist(),
numbers = 1:str_count(.x$sequence)))) %>%
unnest(newdata)
#> # A tibble: 54 x 3
#> id letters numbers
#> <int> <chr> <int>
#> 1 1 H 1
#> 2 1 E 2
#> 3 1 L 3
#> 4 1 L 4
#> 5 1 O 5
#> 6 1 T 6
#> 7 1 H 7
#> 8 1 I 8
#> 9 1 S 9
#> 10 1 I 10
#> # ... with 44 more rows
Создано 07.09.2018 пользователем представлять упаковка (v0.2.0).
Можно спросить, зачем вам эта продукция?