在R语言中使用tidyr包的'separate'函数来分割数据框中的多列数据

Question

大家早上好，我已经读了关于用R分割列的几篇文章，但是我找不到如何解决我的问题。

我想使用tidyr R包中的“separate”函数，根据分隔符将数据框的列分成两列。 我有这个数据框：

dat1 AIN5997 AIN7452 AIN8674 AIN9655 001 01/02 02/02 02/02 01/02 002 01/02 01/01 02/02 02/02 003 01/02 01/02 01/01 02/02 004 01/02 01/01 02/02 01/02 005 01/01 01/01 02/02 02/02 006 01/02 01/02 01/01 02/02

如果可能的话，我想将每一列都按“/”分成两部分，并保留列名（例如：AIN5997将变为AIN5997.1和AIN5997.2）

我认为可以使用“separate”，但是当我尝试使用“apply”时，无法将该过程扩展到框架的每一列（可能是因为“separate”逐个单独处理数据框的每一列）。 这实际上应该很容易，但我的R技能非常差！

有很多线程解释如何将一列分成两列，例如：Split a column of a data frame to multiple columns

但我找不到如何将该过程同时扩展到多个列。

非常感谢您的帮助，

祝一切顺利 :)

- Chrys

---

你想要一个包含“分离”或其他解决方案的解决方案吗？ - amarchin

任何建议都将非常有用，非常感谢Amarchin :-) - Chrys

Answer 1

诀窍在于按正确的顺序创建新名称，因此请确保您想要分隔的列事先排序。

NA 值的问题在于处理过程无法将它们拆分。因此，诀窍是用可以拆分的内容替换它们。检查一下：

library(dplyr)
library(tidyr)

# example dataset
dt = data.frame(id = 1:2,
                AIN5997  = c("01/02", "01/02"),
                AIN7452  = c("02/02", NA),
                AIN8674 = c("02/02","02/02"), stringsAsFactors = F)

# specify columns you want to separate (specify column positions)
input_names = names(dt)[2:4]

# create new names (you want each name twice)
new_names = expand.grid(input_names, 1:2) %>% 
  unite(v, Var1, Var2, sep=".") %>% 
  pull(v) %>% 
  sort()

dt %>%
  unite_("v", input_names) %>%                  # unite columns of interest
  mutate(v = gsub("NA", "NA/NA", v)) %>%        # replace NAs with something that can be separated
  separate(v, new_names, convert = F)           # separate elements and give new names

#   id AIN5997.1 AIN5997.2 AIN7452.1 AIN7452.2 AIN8674.1 AIN8674.2
# 1  1        01        02        02        02        02        02
# 2  2        01        02        NA        NA        02        02

我还提供了一个更好的解决方案。它会自动处理NA值，您不必担心列名及其顺序。

library(dplyr)
library(tidyr)
library(purrr)

# example dataset
dt = data.frame(id = 1:2,
                AIN5997  = c("01/02", "01/02"),
                AIN7452  = c("02/02", NA),
                AIN8674 = c("02/02","02/02"), stringsAsFactors = F)

# separate a given column of your initial dataset
f = function(x) { dt %>% select_("id", x) %>% separate_(x, paste0(x, c(".1",".2"))) }


names(dt)[2:4] %>%             # get names of columns you want to separate
  map(f) %>%                   # apply the function above to each name (will create a list of dataframes)
  reduce(left_join, by="id")   # join dataframes iteratively

#   id AIN5997.1 AIN5997.2 AIN7452.1 AIN7452.2 AIN8674.1 AIN8674.2
# 1  1        01        02        02        02        02        02
# 2  2        01        02      <NA>      <NA>        02        02

- AntoniosK

---

非常感谢你，安东尼奥。这个程序完美地运行了，除了一个小问题：我的基因型有时会出现缺失值，编码为<NA>（抱歉，我之前应该提到的），似乎命令无法将它们分成两个新的<NA>值。另外，我很好奇：这个命令是如何知道要根据“/”来拆分主要值的呢？再次感谢你！ - Chrys

谢谢Antonio，我将用“00/00”替换我的NA值，并查看您的链接！最好的问候，Chrys - Chrys

是的，那会起作用。我正在遵循相同的方法（即使用“NA/NA”替换）。我做了一个小而有用的改变。我在separate命令中添加了convert = .，这将使新列是数值型的，当你将其设置为T时，它就会理解你有数值型的值。在这种情况下，你会失去数字前面的零。 - AntoniosK

太好了 :-) 这正是我所需要的，非常感谢您的帮助！祝您有一个愉快的一天，Chrys - Chrys

很好。为了与我的输出完全匹配，我将保留答案中的 convert = F。如果您喜欢数字值并且不介意失去零（即使用 2 而不是 02），请随意使用 convert = T。 - AntoniosK

Answer 2

您还可以使用tstrsplit()函数。

# example dataset
df <- data.frame(AIN5997  = c("01/02", "01/02"),
                 AIN7452  = c("02/02","01/01"),
                 AIN8674 = c("02/02","02/02"), stringsAsFactors = F)
df
df2 <- as.data.frame(unlist(lapply(df, data.table::tstrsplit, "/"),
                            recursive = FALSE))
df2
colnames(df2) # change colnames
colnames(df2) <- paste(substr(colnames(df2), 1, nchar(colnames(df2))-1),
                       substr(colnames(df2), nchar(colnames(df2)), nchar(colnames(df2))),
                       sep = ".")
df2

- nghauran