本文首发于“生信补给站”公众号 https://mp.weixin.qq.com/s/mlwmL1quS1hLlbqeTiTZ4Q
TCGA数据挖掘可做很多分析，前期数据“清洗”费时费力但很需要。
比如基因列为ID的需要转为常见的symbol，基因列为symbol|ID的就需要拆开了！
excel分列可以解决，但是表达量数据较大，且excel容易产生“数据变形”。
一 载入数据 R包
使用TCGA下载的数据，仅使用以下几行几列， 作为示例
library(tidyverse) data <- read.csv("separate.csv",header = TRUE, check.name = FALSE) head(data)
第一列的ID，和人为添加的ID2，名称不规则，我们只需要前面的基因名。
二 合久可分-一列拆多列
使用separate函数， 将“指定”分隔符出现的位置一列分成多列
2.1 默认，不指定分隔符
data %>% separate(ID, into = c("Gene", "IDnum")) %>% head()
2.2 指定分隔符且保留原始列
data %>% separate(ID2, into = c("Gene2", "IDnum2"),sep = "/",remove = FALSE) %>% head()
2.3 特殊字符的指定方式
data %>% separate(ID, into = c("Gene1", "IDnum1"),sep = "l",remove = FALSE) %>% head()
按照同样的方式，想把"|"分隔的ID拆分，发现报错。？黑人问号脸
发现问题先?separate或者help(separate)查询帮助函数，发现"|"为特殊字符，可以使用"[|]"括起来或者"\\|"：
data %>% separate(ID, into = c("Gene1", "IDnum1"),sep = "[|]",remove = FALSE) %>% head() #或者 data2 <- data %>% separate(ID, into = c("Gene1", "IDnum1"),sep = "\\|",remove = FALSE)
2.4，按照第几个字符拆
根据第几个字符拆分，适合数据规整的，，，
可以用来将TCGA中的sampleID转为常见的16位，需要先转置
data2 %>% select(Gene1,contains("TCGA")) %>% #选择指定列 column_to_rownames(var = "Gene1") %>% # 将Gene1列转为rownames t() %>% as.data.frame() %>% #数据转置，样本为行名 rownames_to_column(var="Sample") %>% #行名变为数据中的列 separate(Sample, into = c("Sample", "bar"),sep = 16) %>% #按照规则取前16个字符 select(-bar) #去掉分割后不需要的bar列
可参考：盘一盘Tidyverse| 筛行选列之select，玩转列操作
Tips：
- 1）数据分列可以先默认试一下，如2.1所示
- 2）使用R的帮助，一定！
三 分久必合-多列合一列
使用unite函数， 可将多列按照“指定”分隔符合并为一列
data%>%
unite(ID_new, ID:ID2, sep="_") %>%head()
