r语言 - 拆分列的数据并将它们分成两个连续的行以进行相同的观察

Question

我有一个名为SNP的数据帧，有6000列和500行。数据帧如下表所示：

|sample         |   SNP1   |   SNP2   |  SNP3    |     
|:--------------|---------:|---------:|---------:|
|s1             |   AA     |   TT     |   GG     |   
|s2             |   CC     |   AT     |   AA     |   
|s3             |   AT     |   CC     |   AA     | 

我必须重新排列分析格式。我想做的是对于每个 SNP 列中的每个字符(例如，我的意思是第二列的"AA"、"CC"、"AT"，SNP1(，我想为每个样本制作 2 个连续的行，然后想拆分字符并将它们分配到新创建的两行样本中。 为了您的方便，我想制作下表格式：

|sample         |   SNP1   |   SNP2   |  SNP3    |     
|:--------------|---------:|---------:|---------:|
|s1             |   A      |   T      |   G      |   
|s1             |   A      |   T      |   G      |   
|s2             |   C      |   A      |   A      | 
|s2             |   C      |   T      |   A      |
|s3             |   A      |   C      |   A      |
|s3             |   T      |   C      |   A      |

如果有人能帮助我解决，将不胜感激。

注意：我添加了datafram的屏幕截图，以防我添加的格式被替换，我是新来的。

Answer 1

以下是使用tidyverse包和正则表达式的一种可能的解决方案：

library(tidyverse)
snp <- data.frame(sample = c("s1", "s2", "s3"),
SNP1 = c("AA", "CC", "AT"),
SNP2 = c("TT", "AT", "CC"),
SNP3 = c("GG", "AA", "AA"))

snp %>% mutate_at(-1, ~str_extract(.x, "^.")) %>%
bind_rows(mutate_at(snp, -1, ~str_extract(.x, ".$"))) %>%
arrange(sample)
sample SNP1 SNP2 SNP3
1     s1    A    T    G
2     s1    A    T    G
3     s2    C    A    A
4     s2    C    T    A
5     s3    A    C    A
6     s3    T    C    A

简短解释：首先我提取除第一列以外的所有列的第一个字母(^.(，因此-1(。 然后我提取除第一列以外的所有列的最后一个字母(.$(。最后，我将这两个数据帧粘贴在一起，并使用arrange重新排列结果。

Answer 2

这是一个data.table解决方案。

您可能会发现这篇文章很有启发性。 堆栈溢出示例说明 tstrsplit

require(data.table)
df = data.table(sample=c("s1","s2","s3"),
SNP1=c("AA","CC","AT"),
SNP2=c("TT","AT","CC"),
SNP3=c("GG","AA","AA"))

# get the names of the relevant columns
x=grep("SNP",names(df),value = TRUE)
# split each column.  The 'by' functionality will 
# manage the stacking of the results.
df[,lapply(.SD,tstrsplit,'',fixed=TRUE),.SDcols=x,by=sample]

输出：

|sample |SNP1 |SNP2 |SNP3 |
|:------|:----|:----|:----|
|s1     |A    |T    |G    |
|s1     |A    |T    |G    |
|s2     |C    |A    |A    |
|s2     |C    |T    |A    |
|s3     |A    |C    |A    |
|s3     |T    |C    |A    |

如果字符串是固定长度但不一定是长度 2，这似乎仍然有效。 我没有在空字符串上对此进行测试。警告 emptor