R语言中如何避免separate函数错误分割，正确去除蛋白质末尾的_l？

问题原因 #

你用separate(protein_exp, c("protein", "l"), "_l")出错，是因为separate()默认会匹配第一个出现的_l子串作为分隔符，导致像p_lr1_l这类包含多个_的名称被错误拆分。

方法1：用extract()精准捕获目标内容 #

使用正则表达式的捕获组，锚定字符串末尾的_l，直接提取前缀和后缀：

library(tidyr)

# 示例数据
protein_exp <- tibble(protein = c("nr2_l", "nr1_l", "pkca_l", "p_lr1_l", "p_ln_l"))

# 执行提取
protein_exp %>%
  extract(protein, into = c("protein", "suffix"), regex = "^(.*)(_l)$")

执行后结果：

方法2：直接去除末尾后缀（更简洁） #

如果只需要得到去掉_l的蛋白质名称，不需要保留后缀列，用stringr包的str_remove()更直接：

library(stringr)

protein_exp %>%
  mutate(protein_clean = str_remove(protein, "_l$"))

_l$中的$是正则锚点，确保只匹配字符串末尾的_l，不会误删中间的_l子串。

内容的提问来源于stack exchange，提问作者Drake