如何将生成6长度K-mer的Python代码转换为R语言实现

以下是和你提供的Python代码功能完全对应的R实现，分为基础R版本和tidyverse生态版本两种实现方式：

1. 核心K-mer提取函数 #

首先定义通用的K-mer生成函数，默认生成长度为6的K-mer：

getKmers <- function(sequence, size = 6) {
  seq_length <- nchar(sequence)
  # 处理序列长度小于K的边界情况，避免报错
  if (seq_length < size) {
    return(character(0))
  }
  # 生成所有合法的子串起始位置
  start_positions <- seq(1, seq_length - size + 1)
  # 批量提取所有K-mer
  kmers <- substring(sequence, start_positions, start_positions + size - 1)
  return(kmers)
}

2. 应用到dataframe生成words列 #

基础R实现（无需安装额外包） #

直接用lapply遍历sequence列，结果会生成为列表列，每一行对应该序列的所有K-mer结果：

human_data$words <- lapply(human_data$sequence, getKmers)

Tidyverse实现（适合整洁数据工作流） #

如果你习惯用dplyr+purrr的工作流，可以用以下写法：

library(dplyr)
library(purrr)

human_data <- human_data %>%
  mutate(words = map(sequence, getKmers))

补充说明 #

• 如果你需要把K-mer展开为每行一个K-mer的长表，在tidyverse中可以加一步unnest(words)即可。
• 需要生成其他长度的K-mer时，只需要给getKmers传递size参数即可，比如getKmers(sequence, size = 8)就会生成8-mer。

内容的提问来源于stack exchange，提问作者George Go