r - 在多行上按 '/' 一次拆分数千列，对新行中的值进行排序并添加 'NA' 值

Question

我想拆分一个包含数千列的数据框。数据框如下所示:

# sample data of four columns
sample <-read.table(stdin(),header=TRUE,sep="")
POS v1  v2  v3  v4
152 0   0/1 0/2 0/1/2
73  1   0   0/1 0/1
185 0   1   0/3 0

输出应该是:

POS v1  v2  v3  v4
152 0   0   0   0
152 NA  1   NA  1
152 NA  NA  2   2
73  NA  0   0   0
73  1   NA  1   1
185 0   NA  0   0
185 NA  1   NA  NA
185 NA  NA  NA  NA
185 NA  NA  3   NA

值0、1、2和3应该在这样得到的新行上排序，而字段POS中的值应该重复。然后插入NA值以获得相同长度的列。

Answer 1

这是一个使用 data.table 的解决方案:

library("data.table")
dt <- data.table(df)
fun <- function(DT) {
  split <- strsplit(vapply(DT, as.character, character(1L)), "/")
  lapply(split, 
    function(x, max.len) as.numeric(x)[match(0:max.len, as.numeric(x))],
    max.len=max(as.numeric(unlist(split)))
) }
dt[, fun(.SD), by=POS]
#    POS v1 v2 v3 v4
# 1: 152  0  0  0  0
# 2: 152 NA  1 NA  1
# 3: 152 NA NA  2  2
# 4:  73 NA  0  0  0
# 5:  73  1 NA  1  1
# 6: 185  0 NA  0  0
# 7: 185 NA  1 NA NA
# 8: 185 NA NA NA NA
# 9: 185 NA NA  3 NA

想法是使用data.table 对每一行的数据元素执行我们的函数fun(即排除POS)。 data.table 会为我们修改后的结果拼接POS

这里 fun 首先将每个数据行转换为一个字符向量，然后按 / 拆分，这将为每个项目生成一个列表，一个字符向量包含与 / 一样多的元素，+ 1.

最后，lapply 循环遍历每个列表项，将它们全部转换为相同长度的向量，填充为 NA，然后排序。

data.table 将结果列表识别为表示我们结果集的列，并如前所述添加回 POS 列。

---

编辑:以下内容解决了评论中的一个问题:

val <- "0/2/3:25:0.008,0.85,0.002:0.004,0.013,0.345"
first.colon <- strsplit(val, ":")[[1]][[1]]
strsplit(first.colon, "/")[[1]]
// [1] "0" "2" "3"

要理解的关键是 strsplit 返回一个列表，其中的元素数量与输入向量中的项目数量一样多。在这个玩具示例中，向量中只有一个项目，因此列表中只有一个项目，尽管每个项目都是一个可以具有多个值的字符向量(在本例中，我们按 /< 拆分后为 3/)。所以像这样的东西应该可以工作(但我还没有测试调试):

dt <- data.table(df)
fun <- function(DT) {
  split <- strsplit(vapply(DT, as.character, character(1L)), ":")
  split.2 <- vapply(split, `[[`, character(1L), 1)  # get just first value from `:` split
  split.2 <- strsplit(split.2, "/")
  lapply(split.2, 
    function(x, max.len) as.numeric(x)[match(0:max.len, as.numeric(x))],
    max.len=max(as.numeric(unlist(split)))
) }