需要拆分包含变量名称和观察值的不同数量的双重连接数据的列

Question

我有一列 "sample_values"，其中包含不同数量的双重串联数据，这些数据以“,”和“:”字符分隔。我需要将由“，”分隔的值转换为新变量（列），并将由“：”分隔的值作为对这些新变量的观察。此处显示了有问题的 data.frame 的一小部分：

```{r}
> CDR3 <- c("CASSKGTGGPYEQYF", "CASSSDTDPSYGYTF", "CASSFGTGKNTEAFF", "CASSPRPRYYEQYF")
> sample_values <- c("sample_a:36,sample_b:24,sample_c:56", "sample_a:47", "sample_a:73,sample_b:12", "sample_c:76,sample_d:89")
> df <- data.frame(CDR3, sample_values)
> df
             CDR3                       sample_values
1 CASSKGTGGPYEQYF sample_a:36,sample_b:24,sample_c:56
2 CASSSDTDPSYGYTF                         sample_a:47
3 CASSFGTGKNTEAFF             sample_a:73,sample_b:12
4  CASSPRPRYYEQYF             sample_c:76,sample_d:8
```

我想得到以下结果：

```{r}
             CDR3 sample_a sample_b sample_c sample_d
1 CASSKGTGGPYEQYF       36       24       56        0
2 CASSSDTDPSYGYTF       47        0        0        0
3 CASSFGTGKNTEAFF       73       12        0        0
4  CASSPRPRYYEQYF        0        0       76       89
```

我会注意到，缺少观察值应被解释为零。

我尝试使用 tidyr 包中的 separate() 和 spread() 的各种组合以及 splitstackshape 包中的 cSplit() . tidyr 选项失败，因为列中要分隔的观察值数量不同，splitstackshape 选项失败，因为内存不足（未删节的数据文件大小为 485 MB）。

Answer 1

使用tidyverse我们可以首先将所有sample_values放入单独的行，然后separate列名和值放入单独的列，最后spread它以宽格式填充缺失值为 0。

library(tidyverse)

df %>%
  separate_rows(sample_values, sep = ",") %>%
  separate(sample_values, into = c("col", "values"), sep = ":") %>%
  spread(col, values, fill = 0)


# CDR3            sample_a sample_b sample_c sample_d
#  <fct>           <chr>    <chr>    <chr>    <chr>   
#1 CASSFGTGKNTEAFF 73       12       0        0       
#2 CASSKGTGGPYEQYF 36       24       56       0       
#3 CASSPRPRYYEQYF  0        0        76       89      
#4 CASSSDTDPSYGYTF 47       0        0        0

需要拆分包含变量名称和观察值的不同数量的双重连接数据的列

Need to split a column containing varying numbers of doubly concatenated data of variable names and observations

r

reshape

reshape2

tidyr

splitstackshape