Tidyverse|數據列的分分合合，愛恨情仇
本文首發於“生信補給站”Tidyverse|數據列的分分合合，一分多，多合一
TCGA數據挖掘可做很多分析，前期數據“清洗”費時費力但很需要。
比如基因列為ID的需要轉為常見的symbol，基因列為symbol|ID的就需要拆開了！
excel分列可以解決，但是表達量數據較大，且excel容易產生“數據變形”。
一， 載入數據，R包
使用TCGA下載的數據，使用以下幾行幾列， 作為示例
library(tidyverse)
data <- read.csv("separate.csv",header = TRUE, check.name = FALSE)
head(data)
ID ID2 TCGA-18-3406-01A-01R-0980-07 TCGA-18-3407-01A-01R-0980-07
1 A1BG|1 A1BG/1 741.6929 46.7127
2 A1CF|29974 A1CF/29974 0.0000 0.4757
3 A2BP1|54715 A2BP1/54715 0.0000 0.0000
4 A2LD1|87769 A2LD1/87769 170.2362 118.4063
5 A2ML1|144568 A2ML1/144568 128.3465 1413.4158
6 A2M|2 A2M/2 9074.6772 11310.1713
可以看到第一列的ID，和人為添加的ID2，名稱不規則，我們只需要前面的基因名。
二，合久可分 - 一列拆多列
使用separate函數， 將“指定”分隔符出現的位置一列分成多列
2.1 默認，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()
按照同樣的方式，想把"|"分隔的ID拆分，發現報錯。？黑人問號臉
有問題可以先?separate或者help(separate)查詢幫助函數，"|"為特殊字符，可以使用"[|]"括起來或者"\\|"，均可：
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，按照第幾個字符拆
根據第幾個字符拆分，適合數據規整的，，，
可以用來將TCGA中的sampleID轉為常見的16位，需要先轉置
#
data2 %>% select(Gene1,contains("TCGA")) %>% #選擇指定列
column_to_rownames(var = "Gene1") %>% # 將Gene1列轉為rownames
t() %>% as.data.frame() %>% #數據轉置，樣本為行名
rownames_to_column(var="Sample") %>% #行名變為數據中的列
separate(Sample, into = c("Sample", "bar"),sep = 16) %>% #按照規則取前16個字符
select(-bar) #去掉分割后不需要的bar列
可參考：盤一盤Tidyverse| 篩行選列之select，玩轉列操作
Tips：
-
1）可以先默認試一下，如2.1所示；
-
2）使用R的幫助，一定！
三，分久必合-多列合並一列
使用unite函數， 可將多列按照
data %>%
unite(ID_new, ID:ID2, sep = "_") %>% head()
◆ ◆ ◆ ◆ ◆
