在第 4 列中分隔两个字母字符串

Question

我有一个数据框 - df - 带有基因组数据。最后的 col 有两个字母的变体。

               id crm     pos allele
160841  rs2237282  11 1273948     AG
160842  rs6417577  11 1276796     AC
165677  rs2151342  11 1199626     GT
165678  rs2749240  11 1258025     AG

我想将最后一栏分成两栏，每栏一个字母

               id crm     pos allele allele2
160841  rs2237282  11 1273948     A       G
160842  rs6417577  11 1276796     A       C
165677  rs2151342  11 1199626     G       T
165678  rs2749240  11 1258025     A       G

我已经尝试在 RStudio 1.1.419、R 3.4.3 中使用 dplyr 和 tidyr，但没有成功：

分离（df，等位基因，进入=c（"allele"，"allele2"））
分离（df，等位基因，进入=c（"allele"，"allele2"），sep="")
separate(df, allele, into=c("allele", "allele2"), sep="\c")
separate(df, allele, into=c("allele", "allele2"), sep=".")
separate(df, allele, into=c("allele", "allele2"), sep=.)
separate(df, allele, into=c("allele", "allele2"), sep=\c)

我怎样才能得到想要的拆分？

Answer 1

使用基础 r:

HERE=data.frame(A1=character(),A2=character())
cbind(data,strcapture("(.)(.)",data$allele,HERE))
              id crm     pos allele A1 A2
160841 rs2237282  11 1273948     AG  A  G
160842 rs6417577  11 1276796     AC  A  C
165677 rs2151342  11 1199626     GT  G  T
165678 rs2749240  11 1258025     AG  A  G

Answer 2

library(tidyverse)

df %>%
    mutate(allele2 = substr(allele, 2, 2)) %>%
    mutate(allele = substr(allele, 1, 1))

Answer 3

在 separate 中，sep 参数可以是数字，表示要拆分的字符位置，因此：

separate(df, allele, into = c("allele1", "allele2"), sep = 1)

给予：

              id crm     pos allele1 allele2
160841 rs2237282  11 1273948       A       G
160842 rs6417577  11 1276796       A       C
165677 rs2151342  11 1199626       G       T
165678 rs2749240  11 1258025       A       G

Answer 4

除了separate之外，extract是tidyr包中的另一个选项。这可以通过在 regex 参数中指定捕获组来实现。

library(tidyr)

df %>%
  extract(allele, into = c("allele1", "allele2"), regex = "([ATCG])([ATCG])")
#               id crm     pos allele1 allele2
# 160841 rs2237282  11 1273948       A       G
# 160842 rs6417577  11 1276796       A       C
# 165677 rs2151342  11 1199626       G       T
# 165678 rs2749240  11 1258025       A       G

在第 4 列中分隔两个字母字符串

Separate two letter string in 4th column

r

tidyr

data-science