將長字符串列表拆分為逗號分隔的向量，然后轉換為 df 行

Question

我已經收集到這個問題有些常見，但我遇到了一些我似乎無法找到答案的障礙。

我有一個很長的字符串：

line1 = "GGCTTATTTAACGGGCAGATATACGCTGGGCAAATC..."

我希望它看起來像：

line1 = c("G", "G", "C", ...)

（順便說一句，是否可以將上述字母作為整數 - 當我嘗試使用 function as.integer 時，它會將其全部轉換為 NA？）

我試過： strsplit(line1, "")

這會產生一個列表： 'G''G''C'...

為了解決這個問題，我嘗試過： paste(line1, collapse = ", ")

哪種作品： c(\"G\", \"G\", \"C"...)

當我嘗試使用gsub刪除“\”時，它並沒有這樣做，因為它突然將腳本中的所有內容都注冊為引號。

此外，一旦完成，我想將其塑造成 dataframe 的一行或一列，如下所示：

   [1] [2] [3] ...
[1] G   G   C

或者：

   [1]
[1] G
[2] G
[3] C

Answer 1

拆分 unlist 結果后，將其轉換為因子，然后轉換為數字：

fac <- factor(unlist(strsplit(line1, "")))
as.numeric(fac)
## [1] 5 5 4 6 6 3 6 6 6 3 3 4 5 5 5 4 3 5 3 6 3 6 3 4 5 4 6 5 5 5 4 3 3 3 6 4 1 2 2 2

# this gives the correspondence between numbers and characters
# i.e. space is 1, dot is 2, A is 3, C is 4, G is 5 and T is 6
levels(fac)
## [1] " " "." "A" "C" "G" "T"

也可以使用levels= 參數顯式指定級別，在這種情況下，其他字符將為NA，並且可以選擇使用na.omit(...) 消除。

fac <- factor(unlist(strsplit(line1, "")), levels = c("A", "C", "G", "T"))
as.numeric(fac)
## [1]  3  3  2  4  4  1  4  4  4  1  1  2  3  3  3  2  1  3  1  4  1  4  1  2  3  2  4  3  3  3  2  1  1  1  4  2 NA NA NA NA

筆記

問題中的輸入如下。 可能最后 4 個字符不打算成為數據的一部分，但如果是這樣，那么它應該是這樣寫的，這樣其他人就不必編輯它了。 無論如何，上面的代碼應該可以工作。

line1 = "GGCTTATTTAACGGGCAGATATACGCTGGGCAAATC ..." 

Answer 2

要將該列表轉換為字符向量，您只需 go：

x <- strsplit(line1, "")
x <- x[[1]]

要使其成為 df 的列，您可以使用 go：

x <- as.data.frame(x)

或者直接從第一行開始：

x <- as.data.frame(strsplit(line1, ""))

這會給它一個丑陋的列 header 你可以用它來修復

names(x)[1] <- 'whatever'

或者直接在一次通話中再次：

x <- as.data.frame(strsplit(line1, ""), col.names = 'whatever')

Answer 3

該問題似乎要求 dput 的dput但這很少需要。

x <- strsplit(line1, "")[[1]]
dput(x)
#c("G", "G", "C", "T", "T", "A", "T", "T", "T", "A", "A", "C", 
#"G", "G", "G", "C", "A", "G", "A", "T", "A", "T", "A", "C", "G", 
#"C", "T", "G", "G", "G", "C", "A", "A", "A", "T", "C")

---

至於如何從字符串中獲取整數的問題，這里有一種方法。 output 是原始line1字符串中字母的 ASCII 碼。

charToRaw(line1)
# [1] 47 47 43 54 54 41 54 54 54 41 41 43 47 47 47 43 41 47 41 54 41 54 41
#[24] 43 47 43 54 47 47 47 43 41 41 41 54 43

---

數據

line1 <- "GGCTTATTTAACGGGCAGATATACGCTGGGCAAATC"