I am sure there is a simple solution to this, but i am going nuts trying to find it. Any help is very much appreciated.
I have a data frame with 2 columns; "pro" and "pep". pro is formatted as factors and contains entries in the form 220;300;4 sometimes more numbers (seperated by ";") and sometimes just a single number (and no ";"). The pep column is formatted as integers and contains single numbers, e.g. 20. What i would like to do is to "expand" e.g. the row pro: 220;300;4 and pep: 20 to three rows one with pro: 220 and pep: 20, one with pro: 300 and pep: 20 and one with pro: 4 and pep: 20.
I want to do this for the whole data frame and thus end up with a data frame with two character formatted columns where all the rows originally containing multiple ";" seperated numbers have been expanded.
I would prefer to avoid loops since the data frame is fairly large (>100000 rows)
I am sorry that i havent been able to post this in a more case-representative way...i am new here and got lost in the code format.
df <- data.frame(
Protein.Group.IDs = factor(
c("951", "132", "314;658", "268", "948", "194", "205", "787", "709", "904"),
levels = c(
"0", "1", "10", "100", "101", "102", "103", "104", "105", "106", "107", "108",
"109", "11", "110", "111", "112", "113", "114", "114;680", "115", "116",
"117", "118", "119", "12", "120", "121", "121;920;530", "121;920;530;589",
"121;920;530;589;934", "121;920;589", "121;920;934", "122;351", "122;351;950",
"122;351;950;224;904", "122;351;950;687", "122;901;224;904", "122;901;351",
"122;901;351;950", "122;901;351;950;224", "122;901;351;950;224;890;904",
"122;901;351;950;224;890;904;687", "122;901;351;950;890;687", "122;901;950",
"122;901;950;904;687", "122;950", "123", "124", "125", "126", "127",
"127;952", "128", "129", "13", "130", "131", "131;204", "132", "133", "134",
"135", "136", "137", "138", "139", "14", "140", "140;259;436", "141", "142",
"143", "144", "145", "146", "147", "148", "149", "15", "150", "151", "152",
"153", "154", "155", "156", "157", "158", "159", "16", "16;331", "16;331;329",
"16;331;329;62", "16;331;329;910", "16;331;329;910;62", "16;331;62",
"16;331;910", "160", "161", "162", "163", "164", "165", "166", "166;743",
"167", "167;595", "168", "169", "17", "170", "170;48", "171", "172", "173",
"174", "175", "176", "177", "178", "179", "18", "180", "181", "182", "183",
"184", "185", "186", "187", "188", "188;813", "188;813;852", "189", "19",
"19;14", "19;6;9;14;11", "19;884;6;9;14;20;26;11;1", "19;9", "19;9;14", "190",
"190;260", "191", "192", "193", "194", "195", "196", "197", "198", "199", "2",
"20", "20;26", "200", "201", "202", "203", "204", "205", "206", "207", "208",
"209", "21", "21;4", "210", "211", "212", "213", "214", "215", "216", "217",
"218", "219", "22", "220", "221", "222", "223", "224", "224;890",
"224;890;904", "225", "225;221", "225;221;308", "225;295", "226", "227",
"228", "228;396", "228;396;73", "228;73", "229", "23", "23;137", "23;17;137",
"230", "231", "232", "233", "234", "235", "236", "237", "238", "239", "24",
"240", "241", "242", "242;171", "243", "244", "245", "246", "247", "248",
"249", "25", "250", "251", "252", "253", "254", "255", "256", "257", "258",
"259", "26", "260", "261", "262", "263", "264", "265", "266", "267", "268",
"269", "27", "270", "271", "272", "273", "273;541;905", "273;905", "274",
"275", "276", "277", "278", "279", "28", "280", "281", "281;192", "282",
"283", "284", "285", "286", "287", "288", "289", "29", "290", "291", "292",
"293", "294", "295", "296", "297", "298", "299", "3", "30", "300", "301",
"302", "303", "304", "304;770", "305", "306", "307", "308", "309", "31",
"310", "311", "312", "313;293", "314", "314;658", "315", "316", "317", "318",
"319", "32", "320", "321", "322", "323", "324", "324;34;564;637;282;229;565",
"324;564;282", "324;637;229;565", "325", "326", "327", "328", "328;586",
"329", "33", "330", "331", "332", "333", "334", "335", "336", "337", "338",
"339", "34", "340", "341", "342", "343", "344", "345", "346", "346;523",
"347", "348", "349", "35", "350", "351", "351;890", "352", "353", "353;277",
"354", "355", "356", "357", "358", "359", "36", "360", "361", "362", "363",
"364", "365", "366", "367", "368", "369", "37", "370", "371", "372", "373",
"374", "375", "376", "377", "377;938", "378", "379", "38", "380", "381",
"382", "382;147", "383", "384", "385", "386", "387", "388", "389", "39",
"39;417", "390", "391", "392", "393", "394", "395", "396", "397", "398",
"399", "399;955", "4", "40", "400", "401", "402", "403", "404", "405", "406",
"407", "408", "409", "41", "410", "411", "412", "413", "414", "415", "416",
"417", "418", "419", "42", "420", "421", "422", "423", "424", "424;640",
"425", "426", "427", "427;930", "428", "429", "43", "430", "431", "432",
"433", "434", "435", "436", "437", "438", "438;178", "439", "44", "440",
"441", "442", "443", "444", "445", "446", "447", "448", "449", "45", "450",
"451", "452", "453", "454", "455", "456", "457", "458", "459", "46", "460",
"461", "462", "463", "464", "465", "466", "467", "468", "469", "47", "470",
"471", "472", "473", "474", "475", "476", "477", "478", "479", "48", "480",
"481", "482", "483", "484", "485", "486", "487", "488", "488;648", "489",
"49", "490", "491", "492", "493", "494", "495", "496", "497", "498", "499",
"5", "50", "500", "501", "502", "503", "504", "505", "506", "507", "508",
"509", "51", "510", "511", "512", "513", "514", "515", "516", "516;603;845",
"516;603;845;837", "517", "518", "519", "52", "520", "521", "522", "523",
"524", "525", "526", "527", "527;509", "528", "529", "53", "530", "531",
"532", "533", "534", "535", "536", "537", "538", "539", "54", "540", "540;67",
"541", "542", "543", "544", "545", "546", "547", "548", "549", "55", "550",
"550;549", "551", "552", "553", "554", "555", "556", "557", "558", "559",
"56", "560", "561", "562", "563", "564", "564;282", "564;637", "565", "566",
"567", "568", "568;569", "568;569;286", "568;569;574", "568;569;574;286",
"568;574", "569", "57", "570", "571", "572", "573", "574", "575", "576",
"577", "578", "579", "579;577;578", "579;577;580", "579;577;580;578", "58",
"580", "581", "582", "583", "584", "585", "585;609", "586", "587", "587;167",
"587;167;595", "587;167;595;557", "588", "589", "59", "590", "591", "592",
"593", "594", "595", "596", "597", "598", "599", "6", "60", "600", "601",
"601;10", "602", "603", "604", "605", "606", "607", "608", "609", "61", "610",
"611", "612", "613", "614", "615", "615;269", "615;926;269", "616", "617",
"618", "619", "62", "620", "621", "622", "623", "624", "625", "626", "627",
"628", "629", "63", "63;397", "630", "631", "632", "633", "634", "635", "636",
"637", "638", "639", "64", "64;72", "640", "641", "642", "643", "643;529",
"644", "645", "646", "647", "648", "649", "65", "650", "651", "652", "653",
"654", "655", "656", "657", "658", "659", "66", "660", "661", "662", "663",
"663;819", "664", "665", "666", "667", "668", "669", "67", "670", "671",
"672", "673", "674", "675", "676", "677", "678", "679", "68", "680", "681",
"681;97", "682", "683", "684", "685", "686", "687", "688", "689", "69", "690",
"691", "692", "693", "694", "695", "696", "697", "698", "699", "7", "7;25;5",
"7;752", "7;752;24", "7;752;25;24;8", "70", "700", "701", "702", "703", "704",
"705", "706", "707", "708", "709", "71", "710", "711", "712", "713", "714",
"715", "716", "717", "718", "719", "72", "72;746;944", "72;746;944;772",
"72;772", "72;927", "720", "721", "722", "723", "724", "725", "726", "727",
"728", "729", "73", "730", "731", "732", "733", "734", "735", "735;522",
"735;665", "735;665;522", "735;665;876", "735;876", "735;876;522", "736",
"737", "738", "739", "74", "740", "741", "742", "743", "744", "745", "746",
"746;944", "746;944;772", "747", "748", "749", "75", "750", "751", "752",
"752;24", "753", "754", "755", "756", "757", "758", "759", "76", "76;313",
"76;313;293", "760", "761", "762", "763", "764", "765", "766", "767", "768",
"769", "77", "770", "771", "772", "773", "774", "775", "776", "777", "778",
"779", "78", "780", "781", "782", "783", "784", "785", "786", "787", "788",
"789", "79", "790", "790;552", "791", "792", "793", "793;863", "794", "795",
"796", "797", "798", "799", "8", "80", "800", "801", "802", "803", "804",
"805", "806", "807", "808", "808;21", "809", "81", "810", "811", "812", "813",
"814", "815", "815;413", "815;777", "815;777;339", "815;777;838", "815;838",
"816", "817", "818", "818;7;752", "818;7;752;23;25;17;8", "819", "82", "820",
"821", "822", "823", "824", "824;957", "825", "826", "827", "828", "829",
"83", "830", "831", "832", "833", "834", "835", "836", "837", "838", "839",
"84", "840", "841", "842", "843", "844", "845", "846", "847", "847;560;590",
"848", "849", "85", "850", "850;817", "851", "852", "853", "853;420", "854",
"855", "856", "857", "858", "858;638", "858;638;409", "859", "86", "860",
"861", "861;593", "862", "863", "864", "865", "866", "867", "868", "869",
"869;614", "87", "870", "871", "872", "873", "874", "875", "876", "877",
"878", "879", "88", "880", "881", "882", "883", "884", "884;6", "884;6;9",
"885", "886", "887", "888", "888;189", "889", "89", "890", "890;904", "891",
"891;953", "892", "892;941", "893", "894", "895", "896", "897", "898", "899",
"9", "90", "900", "901", "901;224", "902", "903", "904", "905", "906", "907",
"908", "909", "91", "910", "911", "912", "913", "914", "915", "916", "917",
"918", "918;947", "919", "92", "920;530;589", "920;530;589;934", "921", "922",
"923", "924", "924;576", "925", "926", "927", "928", "929", "93", "930",
"931", "932", "933", "934", "935", "936", "937", "938", "939", "94", "940",
"941", "942", "943", "944", "945", "946", "947", "948", "949", "95", "950",
"951", "952", "953", "954", "955", "956", "957", "958", "959", "96", "960",
"961", "962", "963", "964", "965", "966", "967", "97", "98", "99", "99;392"
)
),
Mod..Peptide.ID = c(23L, 24L, 25L, 26L, 27L, 29L, 30L, 31L, 32L, 33L),
row.names = c(318L, 344L, 380L, 406L, 409L, 417L, 436L, 462L, 494L, 505L)
)
I've grown to really love data.table for this kind of task. It is so very simple. But first, let's make some sample data (which you should provide idealy!)
# Sample data
set.seed(1)
df = data.frame( pep = replicate( 3 , paste( sample(999,3) , collapse=";") ) , pro = sample(3) , stringsAsFactors = FALSE )
Now we use the data.table package to do the reshaping in a couple of lines...
# Load data.table package
require(data.table)
# Turn data.frame into data.table, which looks like..
dt <- data.table(df)
# pep pro
#1: 266;372;572 1
#2: 908;202;896 3
#3: 944;660;628 2
# Transform it in one line like this...
dt[ , list( pep = unlist( strsplit( pep , ";" ) ) ) , by = pro ]
# pro pep
#1: 1 266
#2: 1 372
#3: 1 572
#4: 3 908
#5: 3 202
#6: 3 896
#7: 2 944
#8: 2 660
#9: 2 628