在第一列保持不变的情况下在r中拆分字符串

如何解决在第一列保持不变的情况下在r中拆分字符串

标题可能需要一些编辑，因为我不确定如何有效地解释。

在这里，我有两列，第二列可能在同一行中有3个对象，但由“ |”分隔。我写了一个代码来拆分它们，并删除 MESH： 后写下一行，但是它在第一列中添加了额外的数字。第一行并不总是6位数字，因此我编写的函数在此没有帮助。这是示例数据

chem11
       ChemicalID                                                chem
    1     C089250           MESH:D000075163|MESH:D000688|MESH:D005296
    2     C114385                           MESH:D009842|MESH:D010069
    3     C114386                                        MESH:D009842
    4     C434150                                        MESH:D006576
    5     C434149                                        MESH:D006576
    6  C000620092                           MESH:D010793|MESH:D052117
    7     C533344                                        MESH:D006576
    8     C533345                                        MESH:D006576
    9     C046983 MESH:D003630|MESH:D008727|MESH:D011239|MESH:D014750
    10    C585814                           MESH:D013876|MESH:D052117
    11    C533898                                        MESH:D010455
    12    C493119                           MESH:D009281|MESH:D012717
    13    C014305                                        MESH:D015107
    14    C473129                                        MESH:D011092
    21    C040211                                        MESH:D000630
    22    C033472                                        MESH:D000166
    23 C000599298                           MESH:D000166|MESH:D010795

代码可以正常工作

# expand duplicated DrugBank IDs
chemtmp = vector('list',nrow(chem11))
for (i in 1:nrow(chem11)) chemtmp[[i]] = as.character(chem11[i,2])
names(chemtmp) = as.character(chem11[,1])
chemtmp = sapply(chemtmp,strsplit,split = '\\|')
tmp = unlist(chemtmp)
chem2 = data.frame(IDs = tmp,ChemicalID = names(tmp))
chem2[,1] = gsub('MESH:','',chem2[,1])

如果第一行的每个元素都为7位数字，则下一个代码可以使用，但是还有一些更长的代码，我无法解决。

String2=function(data,from,to)
{
  B2=NULL
  for(i in 1:length(data)){B2[[i]]=paste0(data[[i]][from:to],collapse = "")}
  B2=unlist(B2)
  return(B2)
}
ChemID=String2(B1,1,7)

预期输出应为

          XXX        YYY
1     C089250 D000075163
2     C089250    D000688
3     C089250    D005296
4     C114385    D009842
5     C114385    D010069
6     C114386    D009842
7     C434150    D006576
8     C434149    D006576
9  C000620092    D010793
10 C000620092    D052117

解决方法

您可以从"MESH:"列中删除chem部分，然后根据"|"将数据分成不同的行。

library(dplyr)

chem11 %>%
  mutate(chem = gsub('MESH:','',chem)) %>%
  tidyr::separate_rows(chem,sep = '\\|')

# A tibble: 27 x 2
#   ChemicalID chem      
#   <chr>      <chr>     
# 1 C089250    D000075163
# 2 C089250    D000688   
# 3 C089250    D005296   
# 4 C114385    D009842   
# 5 C114385    D010069   
# 6 C114386    D009842   
# 7 C434150    D006576   
# 8 C434149    D006576   
# 9 C000620092 D010793   
#10 C000620092 D052117   
# … with 17 more rows

,

您可以在into = c(NA,"chem")中设置separate()删除"MESH:"的一部分，而fill = "left"是要处理一些以{{ 1}}。

chem

---

数据

"MESH:"