使用gsub后如何对剩余值求和？

Question

这个问题我脑子没法解决，所以请大家帮忙。

这是我的部分数据：

rfam[1:20,]
     id              name
1  RF00001  LL_skoljka_r41782307_x1
2  RF00001   LL_skoljka_r9950955_x1
3  RF00001  LL_skoljka_r49323482_x1
4  RF00001  LL_skoljka_r14141437_x1
5  RF00001  LL_skoljka_r16457227_x3
6  RF00002  LL_skoljka_r40347558_x1
7  RF00002  LL_skoljka_r44415149_x1
8  RF00002  LL_skoljka_r13145032_x1
9  RF00002 LL_skoljka_r29248915_x42
10 RF00003  LL_skoljka_r15936986_x1
11 RF00003  LL_skoljka_r28953530_x1
12 RF00003  LL_skoljka_r32665758_x1
13 RF00003  LL_skoljka_r32835489_x1
14 RF00003  LL_skoljka_r32835498_x1
15 RF04051  LL_skoljka_r33254611_x1
16 RF04051 LL_skoljka_r29761867_x12
17 RF04051  LL_skoljka_r45123665_x2
18 RF04051 LL_skoljka_r34837827_x15
19 RF08595  LL_skoljka_r38900754_x1
20 RF08595  LL_skoljka_r22016530_x1

在第一步中，我想删除变量 name 中 x 之前的所有废话，所以我使用：

rfam$name<- as.data.frame(sapply(rfam$name, gsub, pattern='^.*?x', replacement=""))

结果：

rfam[1:20,]
     id       name
1  RF00001       1
2  RF00001       1
3  RF00001       1
4  RF00001       1
5  RF00001       3
6  RF00002       1
7  RF00002       1
8  RF00002       1
9  RF00002      42
10 RF00003       1
11 RF00003       1
12 RF00003       1
13 RF00003       1
14 RF00003       1
15 RF04051       1
16 RF04051      12
17 RF04051       2
18 RF04051      15
19 RF08595       1
20 RF08595       1

在第二步中，我想总结每个 id.

变量 name 中的值

结果应如下所示：

view(rfam)
     id       name
1  RF00001       7
2  RF00002      45
3  RF00003       5
4  RF04051      30 
5  RF08595       2

如果我想对值求和，变量应该是数字。我的两个变量都是因素。所以我使用 rfam[,1]=as.character(rfam[,1]) 将 id 转换为字符，并尝试通过 rfam[,2]=as.numeric(levels(rfam[,2])[rfam[,2]]) 将 name 转换为数字。 id改造成功，而namereturns"NA's".

我也试过rfam[,2]=as.numeric(as.character(rfam[,2]))，结果还是一样

我尝试将数据导出到 txt 文件，然后在 excel 中进行其余分析，但是当我导出数据时，它看起来像这样：

      "id"     "name"
"1" "RF00001"   c(1, 1, 1, 1, 9, 1, 1, 1, 11, 1, 1, 1, 1, 1, 1, 3, 7, 5, 1, 1, 1, 9, 1, 14, 10, 7, 1, 5, 1, 1, 1, 1, 1, 7, 1, 2, 1, 1, 1, 9, 1, 7, 1, 1, 1, 1, 1, 1, 10, 7, 1, 10, 7, 1, 1, 1, 1, 1, 7, 1, 10, 1, 1, 1, 1, 1, 1, 1, 7, 1,...) 
"2" "RF00001"   c(1, 1, 1, 1, 9, 1, 1, 1, 11, 1, 1, 1, 1, 1, 1, 3, 7, 5, 1, 1, 1, 9, 1, 14, 10, 7, 1, 5, 1, 1, 1, 1, 1, 7, 1, 2, 1, 1, 1, 9, 1, 7, 1, 1, 1, 1, 1, 1, 10, 7, 1, 10, 7, 1, 1, 1, 1, 1, 7, 1, 10, 1, 1, 1, 1, 1, 1, 1, 7, 1,...)    
"3" "RF00001"   c(1, 1, 1, 1, 9, 1, 1, 1, 11, 1, 1, 1, 1, 1, 1, 3, 7, 5, 1, 1, 1, 9, 1, 14, 10, 7, 1, 5, 1, 1, 1, 1, 1, 7, 1, 2, 1, 1, 1, 9, 1, 7, 1, 1, 1, 1, 1, 1, 10, 7, 1, 10, 7, 1, 1, 1, 1, 1, 7, 1, 10, 1, 1, 1, 1, 1, 1, 1, 7, 1,...)

现在这是我的死胡同。我不明白发生了什么，如果你能帮助我，我将不胜感激。

Answer 1

更新

意识到您的问题与分组部分无关，问题是您的 sapply() 函数正在 rfam 中创建一个 data.frame 而不是向量。

您可以使用以下 data.table 解决方案将 rfam$name 列正确转换为所需的格式以便能够分组。

setDT(rfam)[,name:= as.numeric(gsub('^.*?x', replacement="",name))]

现在我们可以使用 dplyr 获得所需的输出：

library(dplyr)
as.data.frame(rfam) %>% group_by(id) %>% summarise(name=sum(name))

使用gsub后如何对剩余值求和？

How to sum remaing values after using gsub?

r

sum

numeric

gsub