使用dplyr生成数据框有序交互列时的字符串突变问题

数据框结构 #

# 原始数据框dput信息
structure(list(interaction = c("A pp B", "A pp G", "G pp A", 
"A pp J", "J pp A", "Q pp A"), alphabetical = c("ABpp", "AGpp", 
"AGpp", "AJpp", "AJpp", "AppQ")), row.names = c(NA, 6L), class = "data.frame")

输出预览：

interaction alphabetical
1      A pp B         ABpp
2      A pp G         AGpp
3      G pp A         AGpp
4      A pp J         AJpp
5      J pp A         AJpp
6      Q pp A         AppQ

需求 #

基于alphabetical列生成新列correct_order_interaction，将列中字符串的前两个字母以"X pp Y"的格式输出（例如AGpp转为"A pp G"）。

尝试的代码及问题 #

使用以下代码后，所有行的correct_order_interaction结果均为"A pp B"，未实现逐行处理：

d <- d %>%
     mutate(
        correct_order_interaction = paste(
           unlist(strsplit(as.character(alphabetical),""))[1],
           "pp",
           unlist(strsplit(as.character(alphabetical),""))[2]
           )
         )

错误输出：

interaction alphabetical correct_order_interaction
1      A pp B         ABpp                    A pp B
2      A pp G         AGpp                    A pp B
3      G pp A         AGpp                    A pp B
4      A pp J         AJpp                    A pp B
5      J pp A         AJpp                    A pp B
6      Q pp A         AppQ                    A pp B

失效原因 #

• strsplit(as.character(alphabetical), "")会对整个alphabetical列的所有字符串进行拆分，返回一个包含多个列表的大列表；
• unlist()后会将所有字符合并成一个一维向量，此时取[1]和[2]只会拿到第一行字符串拆分后的前两个字符（即"A"和"B"），导致所有行复用这两个值。

解决方法 #

方法1：使用rowwise()逐行处理 #

通过rowwise()让mutate按行执行操作，确保每行的字符串拆分独立进行：

library(dplyr)

d <- d %>%
  rowwise() %>%
  mutate(
    correct_order_interaction = paste(
      strsplit(alphabetical, "")[[1]][1],
      "pp",
      strsplit(alphabetical, "")[[1]][2]
    )
  ) %>%
  ungroup() # 取消按行分组，避免后续操作受影响

方法2：使用purrr::map_chr逐行映射 #

利用purrr包的map_chr函数对每行的alphabetical值单独处理，效率比rowwise()更高：

library(dplyr)
library(purrr)

d <- d %>%
  mutate(
    correct_order_interaction = map_chr(alphabetical, function(x) {
      chars <- strsplit(x, "")[[1]]
      paste(chars[1], "pp", chars[2])
    })
  )

方法3：字符串截取（最优解） #

观察alphabetical列的结构，目标字符是字符串的前两位，直接用stringr包的str_sub截取，代码更简洁高效：

library(dplyr)
library(stringr)

d <- d %>%
  mutate(
    correct_order_interaction = paste(
      str_sub(alphabetical, 1, 1),
      "pp",
      str_sub(alphabetical, 2, 2)
    )
  )

正确输出 #

interaction alphabetical correct_order_interaction
1      A pp B         ABpp                    A pp B
2      A pp G         AGpp                    A pp G
3      G pp A         AGpp                    A pp G
4      A pp J         AJpp                    A pp J
5      J pp A         AJpp                    A pp J
6      Q pp A         AppQ                    A pp p

内容的提问来源于stack exchange，提问作者Salt_Industry