r - 如果前一行包含以特定符号开头的字符串，则合并行

Question

我有一个如下所示的数据框:

df <- data.frame(V1=c(">A1", "aaaa", "bbb", "cccc",
            ">B2", "dddd", "eeeee","ff",
            ">C3", "ggggggg", "hhhhh", "iiiii", "jjjjj"))

这就是我想要得到的:

df1 <- data.frame(V1=c(">A1", "aaaabbbcccc",
            ">B2", "ddddeeeeeff",
            ">C3", "ggggggghhhhhiiiiijjjjj"))

如您所见，我想合并包含以“>”符号开头的字符串的两行之间的每一行。坦白说，我不知道从哪里开始。请指教。

Answer 1

我们可以使用cumsum(grepl(.))为此。

data.frame(
  V1 = unlist(
    by(df$V1, cumsum(grepl("^>", df$V1)),
       function(z) c(z[1], paste(z[-1], collapse = "")))
  )
)
#                        V1
# 11                    >A1
# 12            aaaabbbcccc
# 21                    >B2
# 22            ddddeeeeeff
# 31                    >C3
# 32 ggggggghhhhhiiiiijjjjj

简要说明:

• grepl(.)返回TRUE对于每个 > -含有细胞；那么

• cumsum为该行和所有行分配相同的编号，直到下一次出现:

  grepl(">", df$V1)
  #  [1]  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
  cumsum(grepl(">", df$V1))
  #  [1] 1 1 1 1 2 2 2 2 3 3 3 3 3
  

• by(.)对每个群体做一些事情；在本例中，它返回长度为 2 的向量，其中 > -首先是字符串，然后连接所有其他字符串。

其结构为您的 df1 ,

df1
#                       V1
# 1                    >A1
# 2            aaaabbbcccc
# 3                    >B2
# 4            ddddeeeeeff
# 5                    >C3
# 6 ggggggghhhhhiiiiijjjjj