需要拆分包含不同数量的变量名和观察值的双重连接数据的列

Question

我有一个"sample_values“列，其中包含不同数量的双重连接数据，并用"，”和":“字符分隔。我需要将用"，“分隔的值转换成新的变量(列)，用":”分隔的值表示这些新变量的观察值。有问题的data.frame的一小部分如下所示：

```{r}

CDR3 <- c("CASSKGTGGPYEQYF"，"CASSSDTDPSYGYTF"，"CASSFGTGKNTEAFF"，"CASSPRPRYYEQYF")

sample_values <- c("sample_a:36，sample_b:24，sample_c:56"，"sample_a:47"，"sample_a:73，sample_b:12"，"sample_c:76，sample_d:89")

df <- data.frame(CDR3，sample_values)

df

CDR3 sample_values

1机箱sample_a:36、sample_b:24、sample_c:56

2 CASSSDTDPSYGYTF sample_a:47

3 CASSFGTGKNTEAFF sample_a:73，sample_b:12

4 CASSPRPRYYEQYF sample_c:76，sample_d:8

我想以以下结果结束：

```{r}

         CDR3 sample_a sample_b sample_c sample_d

1 CASSKGTGGPYEQYF 36 24 56 0

2 CASSSDTDPSYGYTF 47 0 0 0

3 CASSFGTGKNTEAFF 73 12 0 0

4 CASSPRPRYYEQYF 0 0 76 89

我会注意到，没有观察到的应该解释为零。

我已经尝试过使用tidyr包中的separate()和spread()的各种组合，以及splitstackshape包中的cSplit()。由于要在列中分隔的观测值数量不同，tidyr选项失败，而splitstackshape选项由于内存不足(未删节的数据文件大小为485 MB )而失败。

Answer 1

使用tidyverse，我们可以首先将所有的sample_values放入单独的行中，然后将列名和值放入单独的列中，最后将其spread为宽格式，用0填充缺少的值。

library(tidyverse)

df %>%
  separate_rows(sample_values, sep = ",") %>%
  separate(sample_values, into = c("col", "values"), sep = ":") %>%
  spread(col, values, fill = 0)


# CDR3            sample_a sample_b sample_c sample_d
#  <fct>           <chr>    <chr>    <chr>    <chr>   
#1 CASSFGTGKNTEAFF 73       12       0        0       
#2 CASSKGTGGPYEQYF 36       24       56       0       
#3 CASSPRPRYYEQYF  0        0        76       89      
#4 CASSSDTDPSYGYTF 47       0        0        0