如何根据并非所有元素都包含的分隔符来分隔列表中的元素？

Question

我进行了一项分析（背景说明如下），生成了一个表格，其中基因名称列表作为行名称。 一些这些基因名称添加了额外的后缀“.#”，例如.1、.2 等

这是表中间的行名称的一部分。您可以看到大多数都有“.#”后缀，但有些没有。

 "Cck", "Pcp4.3", "Adcy1.4", "Cpe.3", "Dsp.5", "Dgkh.4", "Ncdn.4", "Marcksl1.3","Fam163b.5","Stxbp6.3","Prox1.3", "Neurod6.3", "Dock10.2","Fth1.3","Ipcef1","Pgbd5.3","Sema5a.2","Ahcyl2.2","Hpca.3","Gpr151"

这些后缀不应该存在。我第一个猜测是使用 dplyr 解决方案来删除它们，例如

df %>% rownames_to_column(var = "Gene.ID") %>% separate_wider_delim(Gene.ID, delim = ".", names = c("Gene", "num")) 

但该方法返回了此错误：

Error in `separate_wider_delim()`:
! Expected 2 pieces in each element of `Gene.ID`.
! 3271 values were too short.
ℹ Use `too_few = "debug"` to diagnose the problem.
ℹ Use `too_few = "align_start"/"align_end"` to silence this message.
! 2 values were too long.
ℹ Use `too_many = "debug"` to diagnose the problem.
ℹ Use `too_many = "drop"/"merge"` to silence this message.
Backtrace:
 1. All_Markers %>% rownames_to_column(var = "Gene.ID") %>% ...
 2. tidyr::separate_wider_delim(., Gene.ID, delim = ".", names = c("Gene", "Occur"))

我认为发生这种情况是因为某些元素不包含分隔符。有什么办法可以解决这个问题吗？

额外背景：

软件正在对同一批中的多次比较进行分析，并将结果基因名称输入为行名称。我认为，由于行名必须是唯一的，因此添加后缀以避免重复。因此，我预计数字后缀 = (出现次数) - 1

但我想确定这一点，我想用分隔符分隔基因，并制作每个基因名称的频率表，并将其与拉出的后缀进行比较以确认。

Answer 1

您可以匹配所需字符串的一部分，然后用匹配的文本替换整个字符串：

df %>% rownames_to_column(var = "Gene.ID") %>% mutate(Gene.ID = gsub("(.+?)\\..*$", "\\1", Gene.ID))