Tidyverse|数据列的分分合合,一分多,多合一

TCGA数据挖掘可做很多分析,前期数据“清洗”费时费力但很需要。

比如基因列为ID的需要转为常见的symbol,基因列为symbol|ID的就需要拆开了!

excel分列可以解决,但是表达量数据较大,且excel容易产生“数据变形”。

一 载入数据 R包

使用TCGA下载的数据,仅使用以下几行几列, 作为示例

library(tidyverse)
data <- read.csv("separate.csv",header = TRUE, check.name = FALSE)
head(data)

第一列的ID,和人为添加的ID2,名称不规则,我们只需要前面的基因名。

二 合久可分-一列拆多列

使用separate函数, 将“指定”分隔符出现的位置一列分成多列

2.1 默认,不指定分隔符

data %>% 
separate(ID, into = c("Gene", "IDnum")) %>% head()

2.2 指定分隔符且保留原始列

data %>%
separate(ID2, into = c("Gene2", "IDnum2"),sep = "/",remove = FALSE) %>%
head()

2.3 特殊字符的指定方式

data %>%
separate(ID, into = c("Gene1", "IDnum1"),sep = "l",remove = FALSE) %>%
head()

按照同样的方式,想把"|"分隔的ID拆分,发现报错。?黑人问号脸

发现问题先?separate或者help(separate)查询帮助函数,发现"|"为特殊字符,可以使用"[|]"括起来或者"\\|"

data %>% 
    separate(ID, into = c("Gene1", "IDnum1"),sep = "[|]",remove = FALSE) %>% head()
#或者
data2 <- data %>%
    separate(ID, into = c("Gene1", "IDnum1"),sep = "\\|",remove = FALSE)

2.4,按照第几个字符拆

根据第几个字符拆分,适合数据规整的,,,

可以用来将TCGA中的sampleID转为常见的16位,需要先转置

data2 %>% select(Gene1,contains("TCGA")) %>% #选择指定列
  column_to_rownames(var = "Gene1") %>%  # 将Gene1列转为rownames
  t() %>% as.data.frame() %>% #数据转置,样本为行名
  rownames_to_column(var="Sample") %>%  #行名变为数据中的列
  separate(Sample, into = c("Sample", "bar"),sep = 16) %>%  #按照规则取前16个字符
  select(-bar) #去掉分割后不需要的bar列

可参考:盘一盘Tidyverse| 筛行选列之select,玩转列操作

Tips:

  • 1)数据分列可以先默认试一下,如2.1所示
  • 2)使用R的帮助,一定!

三 分久必合-多列合一列

使用unite函数, 可将多列按照“指定”分隔符合并为一列

data %>%
unite(ID_new, ID:ID2, sep = "_") %>% head()
下一篇
举报

扫码关注云+社区

领取腾讯云代金券