Reformateo de datos con un patrón
Pregunta
Tengo un gran conjunto de datos con una combinación de números y alfabetos.Solo un pequeño ejemplo:
sex <- c("M", "F", "F", "M", "M")
ind <- c("I1", "I2", "I3", "I4", "C")
M1 <- c("ab", "bb", "ac", "ad", "dd")
M2 <- c(12, 22, 23, 24, 25)
M3 <- c("AT", "AG", "AC", "GG", "TC")
M4 <- c(22, 23, 24, 14, 24)
mydf <- data.frame(sex, ind, M1, M2, M3, M4)
mydf
sex ind M1 M2 M3 M4
1 M I1 ab 12 AT 22
2 F I2 bb 22 AG 23
3 F I3 ac 23 AC 24
4 M I4 ad 24 GG 14
5 M C dd 25 TC 24
Quiero introducir una marca "/" entre dos caracteres en las columnas M1 ...... Mn (final del archivo) para que el marco de datos resultante se vea así:
sex ind M1 M2 M3 M4
1 M I1 a/b 1/2 A/T 2/2
2 F I2 b/b 2/2 A/G 2/3
3 F I3 a/c 2/3 A/C 2/4
4 M I4 a/d 2/4 G/G 1/4
5 M C d/d 2/5 T/C 2/4
Lo siento, no tenía ni idea de cómo proceder ... se agradece su ayuda ...
Solución
Un revestimiento:
> data.frame(lapply(mydf, function(x) sub("(.)(.)", "\\1/\\2", x)))
sex ind M1 M2 M3 M4
1 M I/1 a/b 1/2 A/T 2/2
2 F I/2 b/b 2/2 A/G 2/3
3 F I/3 a/c 2/3 A/C 2/4
4 M I/4 a/d 2/4 G/G 1/4
5 M C d/d 2/5 T/C 2/4
Otros consejos
Todo el poder críptico de R te da esto:
-
splitInsert
divide una columna en cada letra usandostrsplit
y lo recombina conpaste
.Esto está envuelto ensapply
para vectorizar la función. - Luego uso
lapply
para aplicarsplitInsert
sobre las columnas 3: 6 de su data.frame, ydata.frame
para combinarlo con las dos columnas que no desea modificar. - Tenga en cuenta que
splitInsert
es completamente general: funcionará para cadenas de texto de cualquier longitud y puede usar cualquier carácter nuevo que elija para recombinar los elementos divididos.
El código:
splitInsert <- function(x, split="", new="/"){
sapply(x, function(y)
paste(
strsplit(as.character(y), split=split)[[1]],
collapse=new)
)
}
data.frame(mydf[, 1:2], lapply(mydf[, 3:ncol(mydf)], splitInsert))
Los resultados:
sex ind M1 M2 M3 M4
1 M I1 a/b 1/2 A/T 2/2
2 F I2 b/b 2/2 A/G 2/3
3 F I3 a/c 2/3 A/C 2/4
4 M I4 a/d 2/4 G/G 1/4
5 M C d/d 2/5 T/C 2/4
Esto parece funcionar.
m1 <- substr(mydf$M1, start=1, stop=1)
m2 <- substr(mydf$M1, start=2, stop=2)
paste(m1, m2, sep="/")
Salida
[1] "a/b" "b/b" "a/c" "a/d" "d/d"
Licenciado bajo: CC-BY-SA con atribución
No afiliado a StackOverflow