如何将DataFrame基因列的|分隔符替换为换行符生成基因字符向量

原代码失效原因 #

|是正则表达式中的特殊元字符，代表逻辑“或”，直接在gsub中使用不会被识别为普通的竖线分隔符，需要转义后才能正常匹配；其次你的需求不是仅替换分隔符为换行，而是要把所有拆分后的基因名平铺为一维字符向量，仅用gsub只能实现字符串替换，无法将长字符串拆分后转为独立的向量元素。

实现方法 #

方法1：基础R实现 #

用strsplit拆分字符串后，再用unlist将拆分得到的列表转为一维字符向量即可：

# 请将下方的df替换为你自己的DataFrame名称
# 方法1-1：转义竖线符号
gene_vec <- unlist(strsplit(df$gene, split = "\\|"))
# 方法1-2：添加fixed参数不需要转义，直接识别为普通分隔符
gene_vec <- unlist(strsplit(df$gene, split = "|", fixed = TRUE))

# 若需要输出为每行一个基因的格式，执行以下代码
cat(paste0(gene_vec, collapse = "\n"))

运行后gene_vec即为所有单个基因名组成的字符向量。

方法2：tidyverse生态实现 #

如果你日常使用tidyverse工具栈，可以用separate_longer_delim更直观的完成拆分：

library(tidyverse)
# 请将下方的df替换为你自己的DataFrame名称
gene_vec <- df %>%
  separate_longer_delim(gene, delim = "|") %>%
  pull(gene)

内容的提问来源于stack exchange，提问作者RKK