如何移除R数据框annotation列中Exon条目括号内的冗余文本

需求说明 #

将数据框aa的annotation列中所有包含Exon字符串的条目统一简化为Exon，其余非Exon类条目保留原有内容，输出与示例Output_required列一致的结果。

实现方案 #

方案1：基础R实现 #

方法1：字符判断法（通用易读）

# 先转字符类型做判断，需要保留factor可后续转回
aa$annotation_clean <- ifelse(
  grepl("Exon", aa$annotation), 
  "Exon", # 若需要匹配示例中的带空格Exon，可改为"Exon "
  as.character(aa$annotation)
)
# 可选：转换回factor类型
aa$annotation_clean <- as.factor(aa$annotation_clean)

方法2：直接修改Factor Levels（效率更高，适合大数据集）

因为原数据的annotation列为factor类型，直接修改标签无需逐行判断：

levels(aa$annotation)[grepl("Exon", levels(aa$annotation))] <- "Exon"

方案2：Tidyverse体系实现 #

适合搭配管道流处理分析流程：

library(dplyr)
library(stringr)

aa <- aa %>%
  mutate(
    annotation_clean = case_when(
      str_detect(annotation, "Exon") ~ "Exon",
      TRUE ~ as.character(annotation)
    ) %>% as.factor() # 不需要保留factor可删除这行
  )

结果验证 #

处理完成后可执行以下代码验证与预期输出的匹配度：

# 忽略首尾空格的匹配验证
table(trimws(aa$annotation_clean) == trimws(aa$Output_required), useNA = "ifany")

内容的提问来源于stack exchange，提问作者PesKchan