如何在R中循环按name列拆分数据集并导出为txt或fasta文件

假设你已经将原始数据集读入R的全局环境，命名为df。

前置说明 #

我们需要先获取name列的所有唯一值，同时将名称中的*去除，用于后续数据集/文件命名：

# 提取name列唯一值
unique_names <- unique(df$name)

方案1：生成R环境内的独立数据集 #

运行后会直接在全局环境生成B07、B08等命名的独立数据集，保留全部5列：

for (current_name in unique_names) {
  # 提取对应name的所有行
  sub_data <- df[df$name == current_name, ]
  # 生成合法的数据集名称（去除*）
  obj_name <- gsub("\\*", "", current_name)
  # 将子集赋值到全局环境
  assign(obj_name, sub_data, envir = .GlobalEnv)
}

方案2：导出为制表符分隔的txt文件 #

每个name对应一个独立txt文件，保留全部列内容：

for (current_name in unique_names) {
  sub_data <- df[df$name == current_name, ]
  # 生成txt文件名
  file_name <- paste0(gsub("\\*", "", current_name), ".txt")
  # 写入文件
  write.table(
    sub_data,
    file = file_name,
    sep = "\t",
    row.names = FALSE,
    quote = FALSE,
    na = ""
  )
}

参数说明：

• 用制表符\t作为分隔符，兼容性强
• 不输出行号、不对内容自动加引号
• 缺失值NA显示为空，符合常规使用习惯

方案3：导出为标准FASTA格式文件 #

按照FASTA的通用规则（>开头为序列标识，下一行是序列内容）生成文件，可自定义序列头包含的字段：

for (current_name in unique_names) {
  sub_data <- df[df$name == current_name, ]
  file_name <- paste0(gsub("\\*", "", current_name), ".fasta")
  fasta_content <- c()
  # 遍历子集每行生成对应的FASTA条目
  for (row_idx in 1:nrow(sub_data)) {
    # 拼接序列头，可根据需求调整包含的字段
    seq_header <- paste0(
      ">", sub_data$name[row_idx],
      "|protein=", sub_data$protein[row_idx],
      "|mutation_CDS=", sub_data$mutation_CDS[row_idx],
      "|mutation_nonCDS=", sub_data$mutation_nonCDS[row_idx]
    )
    fasta_content <- c(fasta_content, seq_header, sub_data$seq[row_idx])
  }
  # 写入FASTA文件
  writeLines(fasta_content, con = file_name)
}

如果不需要在序列头包含所有字段，直接修改seq_header的拼接逻辑即可。

内容的提问来源于stack exchange，提问作者Cownann