将列分成多行并填充到左侧，在 R 中

Question

我有一长串带注释的基因。它们在 "A"、"B"、"C" 等不同级别进行注释。每个级别都有不同的名称，在某些情况下还有不同的格式。我想保持每个级别的名称不变。在 R 中，文本文档作为 1 列导入，我想将 A、B、C 和 D 行分成列。行是按顺序排列的，这意味着 "B Level2" 列在应用程序 A Level1 类别之后和 "C Level3" 类别之上。 “#”将 D 级与下一个 A 级类别分开。所以，在每个“#”之后，我想将 A、B、C 和 D 行分成单独的列。然后用上面的级别类别名称填写左侧的列。给定这个例子 df:

df <- data.frame(x = c("A<b>Level1</b>", "B", "B  <b>Level2</b>", "C    02000 Level3 [BR:ko02000]", "C    02010 Level3 [PATH:ko02010]", "D      Level4; K15551  tauA; taurine transport system substrate-binding protein", "D      Level4; K15551  tauA; taurine transport system substrate-binding protein", "D      Level4; K15551  tauA; taurine transport system substrate-binding protein"))

输出需要如下所示：

A   B   C   D
A<b>Level1</b>  B  <b>Level2</b>    C    02000 Level3 [BR:ko02000]  NA
A<b>Level1</b>  B  <b>Level2</b>    C    02010 Level3 [PATH:ko02010]    D      Level4; K15551  tauA; taurine transport system substrate-binding protein
A<b>Level1</b>  B  <b>Level2</b>    C    02010 Level3 [PATH:ko02010]    D      Level4; K15551  tauA; taurine transport system substrate-binding protein
A<b>Level1</b>  B  <b>Level2</b>    C    02010 Level3 [PATH:ko02010]    D      Level4; K15551  tauA; taurine transport system substrate-binding protein

到目前为止，我正在尝试 dplyr 和 tidyr 来分离（）输入 df，但我似乎无法让它工作。建议??想法??

Answer 1

我建议使用使用 split 创建的数据框列表：

split(df, substr(df$x, 1, 1))

如果你真的必须拥有你展示的样子：

library(dplyr)
library(tidyr)
df %>% group_by(id = substr(x, 1, 1)) %>%
       mutate(row = row_number()) %>%
       spread(id, x) %>%
       fill(-row)

将列分成多行并填充到左侧，在 R 中

Separate column into multiple rows and fill to the left, in R

r

dplyr

tidyr