R语言学习系列之separate {tidyr}

separate {tidyr}的功能是使用正则表达式分隔符将字符列分隔成多个列。给定正则表达式或字符位置向量，separate（）将单个字符列转换为多个列。这个功能在生信分析中用到的频率太多了，比如TCGA的基因ID转换中ENSG00000000003.13转换成ENSG00000000003，比如对TCGA样本的ID切割等等。

下面我们来学习一下这个函数

用法

separate(data, col, into, sep = "[^[:alnum:]]+", remove = TRUE, convert = FALSE, extra = "warn", fill = "warn", ...)

加载包，创建数据

rm(list = ls())#一键清空library(tidyr)library(dplyr)df <- data.frame(x = c(NA, "a.b", "a.d", "b.c"))df

简单分割

#df表示分割对象，x表示对x这一列进行分割，“A”，“B”表示分割成A B两列

separate(df,x, c("A", "B"))

如果你只想要第二个变量

separate(df,x, c(NA, "B")）

如果每一行没有分成相同数量的片段，使用extra和fill参数来控制

df <- data.frame(x = c("a", "a b", "a b c", NA))df

separate(df,x, c("a", "b"))

这里就丢失了c

下面代码同样的行为会降低c，但没有警告

separate(df,x, c("a", "b"), extra = "drop", fill = "right")

没有警告，因为是我们主动抛弃c的，fill = "right"表示在右边填充缺失值缺失值，fill = "left"表示在左边填充缺失值

separate(df,x, c("a", "b"), extra = "drop", fill = "left")

还可以选择合并

separate(df,x, c("a", "b"), extra = "merge", fill = "left")

或者分割成三列

separate(df,x, c("a", "b","c"))

如果只想拆分指定的次数，就使用extra=“merge”

df <- data.frame(x = c("x: 123", "y: error: 7"))df

可以看到第二行有两个“：”

separate(df,x, c("key", "value"), ": ", extra = "merge")#用“： ”符号来分割

如果不加extra = "merge"

separate(df,x, c("key", "value"), ": ")

7这个数字就不见了

利用convert = TRUE可以自动检测对象的类型

df <- data.frame(x = c("a:1", "a:2", "c:4", "d", NA))df

a=separate(df,x, c("key","value"), ":")a

str(a)

这样分割的结果，数字不再是数字了，变成了字符了

b=separate(df,x, c("key","value"), ":", convert = TRUE)b

str(b)

保留了数字型向量的格式

TCGA实操

下面我们来实际操作一下

导入xena数据库下载的TCGA-LIHC count数据（所有肿瘤TCGA数据在文末可以拿到）

rm(list = ls())#一键清空library(tidyr)library(dplyr)LIHCdata=read.table("TCGA-LIHC.htseq_counts.tsv",header=T,sep='\t')LIHCdata[1:4,1:4]

去掉ensemble ID的点号

LIHCdata1<-separate(LIHCdata,Ensembl_ID,into = c("Ensembl_ID"),sep="\\.") LIHCdata1[1:4,1:4]

后面就可以进行ID转换了，这个我们放到TCGA数据分析系列讲。好了，separate这个函数我们就讲到这里。

另外，最近收集了一些很好的资源，想分享给大家，顺便能涨一些粉，主要有

1. 19年中标的各门类国自然题目汇总，以及17年的国自然汇总，部分含摘要！

2. R语言学习书籍

R语言实战(中文完整版)

R数据科学(中文完整版）

ggplot2：数据分析与图形艺术

30分钟学会ggplot2

3. TCGA数据整理

前期从https://xenabrowser.net/datapages/ (UCSC Xena)数据库下载的TCGA数据，传到了百度云上备份。

感兴趣的话，转发朋友圈或者100人以上的微信群，截图发到公众号，即可获取全部资源的百度云链接，链接7天有效，希望大家赶紧下载。你们的支持是我前进的动力，感谢。