关于dplyr：如何计算数据框中的字符总数并使用R中的mutate添加列

How to count total character occurence in data frame and add column using mutate in R

我有一个数据帧(dat)，其列的序列为(Seq)(字符类)。我正在尝试在每一行中拆分序列并计算'A'，'C'，'G'，'T'的数量，并使用mutate(在dplyr中)添加每一列。以下是我尝试的示例数据框架和代码。

1
2
3

Seq
CAGGACATAA
TGTCCACTGC

我要执行的代码：

1
2
3
4
5
6
7

count_bases <- function (x){
for(i in 1:length(x)){
tab[i] <- table(strsplit((x)[i],""))
}
return(tab)
}
count_bases(dat$Seq)

如果我仅在第一行使用命令：table(strsplit(dat$Seq[1],""))，它可以正常工作并给出结果。我想要获得的所需输出是通过上述函数进行的，并变异为创建如下所示的数据帧：

1
2
3

Seq A C G T
CAGGACATAA 5 2 2 1
TGTCCACTGC 1 4 2 3

相关讨论

这是使用dplyr和tidyr的解决方案，该解决方案可以处理任何长度/组成的任意数量的序列：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

library(tidyr)
library(dplyr)

dat <- data.frame(Seq = c("CAGGACATAA","TGTCCACTGC"),
stringsAsFactors = F)

result <- dat %>%
# explode each seq into indvidiual
# characters on individual rows
mutate(seq.split = strsplit(Seq,"")) %>%
unnest() %>%
# count by each type of character in eah Seq
group_by(Seq, seq.split) %>%
summarise(n=n()) %>%
# convert to wide table format
spread(seq.split, n)

result
Source: local data frame [2 x 5]

Seq A C G T
(chr) (int) (int) (int) (int)
1 CAGGACATAA 5 2 2 1
2 TGTCCACTGC 1 4 2 3

有点大，但是您可以使用strsplit进行拆分，然后使用lapply遍历结果以构建表列表(或在lapply函数中进行拆分；无论您愿意使用什么)。然后，您可以使用do.call(rbind重新组合列表，然后使用data.frame将其添加到现有的data.frame中。您需要使用as.character将任何因子转换为字符串，并使用factor来确保table添加任何空级别。

1
2
3
4
5
6
7
8
9

dat <- data.frame(Seq = c("ACGACCGGG","CAGGACATAA","TGTCCACTGC"))

data.frame(dat, do.call(rbind, lapply(strsplit(as.character(dat$Seq), ''), function(x){
table(factor(x, levels = c('A', 'C', 'G', 'T')))
})))
# Seq A C G T
# 1 ACGACCGGG 2 3 4 0
# 2 CAGGACATAA 5 2 2 1
# 3 TGTCCACTGC 1 4 2 3