如何将含两列的DataFrame转换为FASTA格式？

问题描述 #

现有如下R DataFrame：

df1 <- data.frame(x = c(">Seq1", ">Seq2"), y = c("AAAA", "BBBB"))
# 输出结构：
#       x    y
# 1 >Seq1 AAAA
# 2 >Seq2 BBBB

需要将其转换为符合FASTA格式的单列DataFrame，最终结构如下：

df2 <- data.frame(x = c(">Seq1", "AAAA", ">Seq2", "BBBB"))
# 输出结构：
#       x
# 1 >Seq1
# 2  AAAA
# 3 >Seq2
# 4  BBBB

解决方案 #

方法1：Base R 原生实现 #

无需额外安装包，通过按行处理+扁平化列表实现：

# 按行提取ID和序列，生成嵌套列表
row_elements <- apply(df1, 1, function(r) c(r["x"], r["y"]))
# 扁平化列表并转为DataFrame
df2 <- data.frame(x = unlist(row_elements), stringsAsFactors = FALSE)

方法2：Tidyverse 工具包实现（更直观） #

如果已安装tidyverse，可以用rowwise+unnest快速处理：

library(tidyverse)

df2 <- df1 %>%
  rowwise() %>%
  # 将每行的ID和序列打包为列表
  mutate(seq_pair = list(c(x, y))) %>%
  # 展开列表为多行
  unnest(seq_pair) %>%
  # 重命名并保留目标列
  rename(x = seq_pair) %>%
  select(x)

方法3：Tidyverse 另一种写法（pivot_longer） #

用宽表转长表的方式，再调整顺序：

library(tidyr)

df2 <- df1 %>%
  # 将所有列合并为单列
  pivot_longer(cols = everything(), names_to = NULL, values_to = "x") %>%
  # 重新排序，确保ID和对应序列相邻
  arrange(rep(1:nrow(df1), 2))

验证结果 #

运行任意一种方法后，打印df2即可得到符合要求的FASTA格式单列结构。

内容的提问来源于stack exchange，提问作者tmxkrdhqj