为何str_split_fixed()未生成新列？问题排查与解决

问题重现 #

原始数据集 #

> data_short

Symbol_ID      GFP_Mean  GFP_SD Cells
   <chr>             <dbl>   <dbl> <dbl>
 1 Control_0        0.0303 0.00657 7071.
 2 XRCC4_7518       0.0396 0.00768 5022 
 3 XRCC5_7520       0.0305 0.00629 5781.
 4 BRCA1_672        0.0178 0.00833 1822.
 5 DDX48_9775       0.109  0.0201   239 
 6 HMGN1_3150       0.0997 0.00875 1173 
 7 PRDM13_59336     0.0789 0.00794  980 
 8 UBOX5_22888      0.0734 0.00653 1378 
 9 HIST1H2AE_3012   0.0719 0.00592 1906 
10 HMGN2_3151       0.0691 0.00934  738 

执行的拆分代码 #

data_short<-data_short %>% mutate(Symbol_ID=str_split_fixed(data_short$Symbol_ID, "_", 2))

表面的拆分结果 #

Symbol_ID[,1] [,2]  GFP_Mean  GFP_SD Cells
   <chr>         <chr>    <dbl>   <dbl> <dbl>
 1 Control       0       0.0303 0.00657 7071.
 2 XRCC4         7518    0.0396 0.00768 5022 
 3 XRCC5         7520    0.0305 0.00629 5781.
 4 BRCA1         672     0.0178 0.00833 1822.
 5 DDX48         9775    0.109  0.0201   239 
 6 HMGN1         3150    0.0997 0.00875 1173 
 7 PRDM13        59336   0.0789 0.00794  980 
 8 UBOX5         22888   0.0734 0.00653 1378 
 9 HIST1H2AE     3012    0.0719 0.00592 1906 
10 HMGN2         3151    0.0691 0.00934  738 

实际结构异常（str()输出） #

> str(data_short)
tibble [1,177 × 4] (S3: tbl_df/tbl/data.frame)
 $ Symbol_ID: chr [1:1177, 1:2] "Control" "XRCC4" "XRCC5" "BRCA1" ...
 $ GFP_Mean : num [1:1177] 0.0303 0.0396 0.0305 0.0178 0.1088 ...
 $ GFP_SD   : num [1:1177] 0.00657 0.00768 0.00629 0.00833 0.02014 ...
 $ Cells    : num [1:1177] 7071 5022 5781 1822 239 ...

原因分析 #

str_split_fixed()函数返回的是矩阵类型，而非独立的列。你直接将这个矩阵赋值给原列Symbol_ID，导致该列变成了嵌套在tibble中的矩阵。虽然打印时视觉上像两列，但本质是单个矩阵列，因此str()会显示矩阵的维度信息chr [1:1177, 1:2]。

解决方法 #

方法1：使用separate()（tidyr包，推荐） #

这是拆分列最简洁直观的方式，直接指定拆分规则和新列名：

library(tidyr)
data_short <- data_short %>% 
  separate(Symbol_ID, into = c("Symbol", "ID"), sep = "_")

执行后，原Symbol_ID列会被替换为Symbol和ID两个独立的字符列，用str()查看即可看到正常的单列结构。

方法2：正确处理str_split_fixed()的结果 #

若坚持使用stringr包的str_split_fixed()，需提取矩阵的每一列作为新列：

library(stringr)
data_short <- data_short %>% 
  mutate(
    Symbol = str_split_fixed(Symbol_ID, "_", 2)[, 1],
    ID = str_split_fixed(Symbol_ID, "_", 2)[, 2],
    .keep = "unused"  # 可选：移除原Symbol_ID列，保持数据整洁
  )

通过索引[,1]和[,2]提取矩阵的两列，生成独立的新列，.keep = "unused"可自动删除原列。

内容的提问来源于stack exchange，提问作者Chemokine1