r - Strsplit 并计算出现次数

Question

有没有办法像这样拆分字符串？

A1BG\tAAAGGGCGTTCACCGG\t2 A1BG\tAAGATAGCATCCCACT\t1

我想用“\”分割，以便计算文件中有多少个基因，在这种情况下，A1BG 中有一个基因，有多少代码，例如 AAAGGGCGTTCACCGG 和 AAGATAGCATCCCACT。我在下面的尝试没有成功。

strsplit(mydf, '\')[[1]]

谁能帮帮我？

Answer 1

看起来您的 TSV(制表符分隔值)表格格式不正确。如果您将空格换成换行符，您可以将其作为表格读入，而无需设置自己的解析规则:

x <- "A1BG\tAAAGGGCGTTCACCGG\t2 A1BG\tAAGATAGCATCCCACT\t1"
x2 <- gsub(" ", "\n", x)

library(data.table)
DT = setnames(fread(x2), c("gene", "code", "num"))[]

#    gene             code num
# 1: A1BG AAAGGGCGTTCACCGG   2
# 2: A1BG AAGATAGCATCCCACT   1

然后你可以计算每个基因有多少代码

DT[, .N, by=gene]
# or 
DT[, .(N = uniqueN(code)), by=gene]

#    gene N
# 1: A1BG 2

或者类似地使用 dplyr 的 count 和 n_distinct 函数。