如何用R语言查找逗号分隔字符串间的肽段重复次数？

假设你已经通过循环收集了所有肽段拼接后的字符串到一个向量（比如peptide_strings），可以按以下步骤统计各肽段的跨组重复次数：

1. 收集所有拼接字符串
   先修正循环里的代码，不要直接print，而是把每次生成的字符串存到向量里：

# 初始化空向量
peptide_strings <- c()
# 你的循环逻辑（示例）
for (i in 1:your_loop_times) {
  # ... 你的数据过滤处理得到data.final ...
  current_string <- paste(data.final$Peptide, collapse = ',')
  peptide_strings <- c(peptide_strings, current_string)
}

2. 拆分所有字符串为单个肽段
   把每个逗号分隔的字符串拆分成独立肽段，合并成一个一维向量：

# 拆分并去空值（防止空字符串干扰）
all_peptides <- unlist(strsplit(peptide_strings, ','))
# 去除可能的首尾空格（如果肽段存在格式问题）
all_peptides <- trimws(all_peptides)
# 移除空元素（如果有的话）
all_peptides <- all_peptides[all_peptides != ""]

3. 统计重复次数
   用基础R的table函数直接统计，或者用tidyverse工具更灵活：

• 基础R方式：

  # 生成频率表
  peptide_counts <- table(all_peptides)
  # 转成数据框方便查看
  peptide_counts_df <- as.data.frame(peptide_counts, stringsAsFactors = FALSE)
  colnames(peptide_counts_df) <- c("Peptide", "Repeat_Count")
  # 按重复次数降序排序
  peptide_counts_df <- peptide_counts_df[order(-peptide_counts_df$Repeat_Count), ]
  

• tidyverse方式（需要先加载dplyr）：

  library(dplyr)
  peptide_counts_df <- tibble(Peptide = all_peptides) %>%
    count(Peptide, name = "Repeat_Count", sort = TRUE)
  

这样得到的peptide_counts_df里，Repeat_Count就是对应肽段在不同行（不同处理组）的重复次数。

内容的提问来源于stack exchange，提问作者C15