如何根据R中另一列的条件将列内容解压缩为新列

Question

我有一个叫mydf的数据仓库。我希望根据ASM列和GPM列中给出的格式拆分FORMAT和GPM列中的内容，并获取result。因此，基本上，ASM和GPM列的列数量与:分隔的格式列中的总唯一元素(即5个不同的唯一元素)一样多，以便在result中展开。然后，需要将正确的值放在正确的列中(使用.GT、.FT等)，如FORMAT列所示。

 mydf <- structure(list(`#CHROM` = c(1L, 1L, 1L), POS = c(10490L, 10493L, 
10494L), FORMAT = c("GT:FT:GQ", "GT:PS:GL", "GT:PS:FT"), ASM = c("1/1:TRUE:4,2,333", 
"./.:.:.", "0/1:.:VQLOW"), GPM = c("./.:.:.", "1/1:4:2,233", 
"0/1:22:VQHIGH")), .Names = c("#CHROM", "POS", "FORMAT", "ASM", 
"GPM"), class = "data.frame", row.names = c(NA, -3L))

结果：

 result <- structure(list(`#CHROM` = c(1L, 1L, 1L), POS = c(10490L, 10493L, 
10494L), FORMAT = c("GT:FT:GQ", "GT:PS:GL", "GT:PS:FT"), ASM.GT = c("1/1", 
"./.", "0/1"), ASM.FT = c("TRUE", NA, "VQLOW"), ASM.GQ = c("4,2,333", 
NA, NA), ASM.PS = c(NA, NA, NA), ASM.GL = c(NA, NA, NA), GPM.GT = c("./.", 
"1/1", "0/1"), GPM.FT = c(NA, NA, "VQHIGH"), GPM.GQ = c(NA, NA, 
NA), GPM.PS = c(NA, 4L, 22L), GPM.GL = c(NA, 2233L, NA)), .Names = c("#CHROM", 
"POS", "FORMAT", "ASM.GT", "ASM.FT", "ASM.GQ", "ASM.PS", "ASM.GL", 
"GPM.GT", "GPM.FT", "GPM.GQ", "GPM.PS", "GPM.GL"), class = "data.frame", row.names = c(NA, 
-3L))

Answer 1

由于每个要拆分的列中的值数目似乎是相同的，所以我们可以利用"data.table“中的data.table处理多个value.var的能力。

分裂可以由cSplit从我的"splitstackshape“包完成。

library(splitstackshape)
dcast(cSplit(mydf, c("FORMAT", "ASM", "GPM"), ":", "long"), 
      `#CHROM` + POS ~ FORMAT, value.var = c("ASM", "GPM"))
#    #CHROM   POS ASM_FT ASM_GL  ASM_GQ ASM_GT ASM_PS GPM_FT GPM_GL GPM_GQ GPM_GT GPM_PS
# 1:      1 10490   TRUE     NA 4,2,333    1/1     NA      .     NA      .    ./.     NA
# 2:      1 10493     NA      .      NA    ./.      .     NA  2,233     NA    1/1      4
# 3:      1 10494  VQLOW     NA      NA    0/1      . VQHIGH     NA     NA    0/1     22

注意，"#CHROM"是一个非常R-不友好的列名，因为#是注释字符。

如果您需要在"FORMAT“列中添加，请在上面的[, FORMAT:= mydf$FORMAT][]末尾添加一个dcast。

我假设您可以在这里处理进一步的清洗(例如，用.替换NA，并在任何地方删除1000个逗号分隔符)。