基于Structural Notation Type拆分结构值至SMILES/InChI列的问题

需求说明 #

需要将Structural Notation列的内容，依据Structural Notation Type列的标记，分别填入新建的SMILES和InChI列：SMILES类型的值放入SMILES列，INCHI类型的值放入InChI列。

原尝试问题 #

此前通过创建Combine列，为SMILES行添加&&分隔符、INCHI行添加%%分隔符，再用data.table的tstrsplit函数拆分，结果出现错位（如第3行SMILES值被分到InChI列）。

方法1：无需额外列的直接赋值 #

直接利用data.table的条件赋值逻辑，不需要创建中间列：

library(data.table)
# 假设数据表为dt
dt[, SMILES := ifelse(`Structural Notation Type` == "SMILES", `Structural Notation`, NA)]
dt[, InChI := ifelse(`Structural Notation Type` == "INCHI", `Structural Notation`, NA)]

如果存在重复分组（比如同一实体对应两种结构类型），可按分组聚合赋值：

dt[, c("SMILES", "InChI") := .(
  first(ifelse(`Structural Notation Type` == "SMILES", `Structural Notation`, NA)),
  first(ifelse(`Structural Notation Type` == "INCHI", `Structural Notation`, NA))
), by = .(你的分组列名)]

方法2：修正tstrsplit的错误用法 #

原方法错误在于使用了两种不同分隔符，tstrsplit需要固定分隔符才能正确拆分。统一分隔符后再处理：

# 创建带统一分隔符的Combine列
dt[, Combine := paste(`Structural Notation Type`, `Structural Notation`, sep = "|")]
# 拆分后按类型匹配赋值
split_result <- tstrsplit(dt$Combine, "|", fixed = TRUE)
dt[split_result[[1]] == "SMILES", SMILES := split_result[[2]]]
dt[split_result[[1]] == "INCHI", InChI := split_result[[2]]]
# 清理中间列
dt[, Combine := NULL]

此方法可行但冗余，推荐用直接赋值或dcast方法。

方法3：推荐的dcast解决方案（理想结果） #

使用data.table的dcast函数直接转置行到列，是最简洁的实现方式：

# 生成临时行ID（若无分组列时用）
dt[, id := .I]
# 转置类型列为SMILES/InChI列
result_dt <- dcast(dt, id ~ `Structural Notation Type`, value.var = "Structural Notation")
# 调整列名（按需）
setnames(result_dt, c("SMILES", "INCHI"), c("SMILES", "InChI"))
# 移除临时ID列
result_dt[, id := NULL]

该方法直接生成每行对应SMILES和InChI值的结果，不会出现错位问题。

内容的提问来源于stack exchange，提问作者iembry