R语言数据框列拆分：从file列生成cell、insert、trt新列

方法一：利用参考数据框关联匹配 #

既然已经有包含完整映射关系的df2，可以先从file列提取cell字段，再通过cell与df2关联，直接获取对应的insert和trt：

library(tidyverse)

# 原始数据
df <- tibble(file = c('U2_pN_Len', 'MM_pND_con', 'COS_CTL'))
# 参考映射数据框
df2 <- tibble(cell = c('U2', 'MM', 'COS'), 
              insert = c('pND', 'pN', 'pGFP'), 
              trt = c('Len', 'con', 'CTL'))

# 生成目标数据框
out <- df %>%
  # 提取file列中第一个下划线前的内容作为cell
  mutate(cell = str_extract(file, "^[^_]+")) %>%
  # 按cell字段关联参考数据框
  left_join(df2, by = "cell") %>%
  # 调整列顺序与目标一致
  select(file, cell, insert, trt)

# 查看结果
out

运行后会得到期望的结果：

# A tibble: 3 × 4
  file         cell  insert trt  
  <chr>        <chr> <chr>  <chr>
1 U2_pN_Len    U2    pND    Len  
2 MM_pND_con   MM    pN     con  
3 COS_CTL      COS   pGFP   CTL  

方法二：字符串拆分+手动映射（无需参考数据框） #

如果不想依赖df2，可以先拆分file列，再通过case_when手动指定映射规则，同时处理拆分后列数不一致的情况：

library(tidyverse)

df <- tibble(file = c('U2_pN_Len', 'MM_pND_con', 'COS_CTL'))

out <- df %>%
  # 拆分file列，最多拆成3段，不足的补NA
  separate(file, into = c("cell", "temp", "trt"), sep = "_", fill = "right") %>%
  # 根据cell指定对应的insert值
  mutate(
    insert = case_when(
      cell == "U2" ~ "pND",
      cell == "MM" ~ "pN",
      cell == "COS" ~ "pGFP",
      TRUE ~ NA_character_
    ),
    # 处理trt列：当拆分后trt为NA时，用temp字段的值填充
    trt = ifelse(is.na(trt), temp, trt)
  ) %>%
  select(file, cell, insert, trt)

out

两种方法都能得到需要的最终数据框，推荐第一种方法，因为当映射关系需要修改时，只需调整df2即可，更易维护。

内容的提问来源于stack exchange，提问作者Abigail