R 拆分和配对两列的值

我有这样一个数据框：

Entry name  Gene names
A1BG_HUMAN      A1BG
M0R009_HUMAN    A1BG
F8W9F8_HUMAN    A1CF
Q5T0W7_HUMAN    A1CF
A1CF_HUMAN      A1CF ACF ASP
H0YFH1_HUMAN    A2M
A2MG_HUMAN      A2M CPAMD5 FWP007

Entry name  Gene names
A1BG_HUMAN      A1BG
M0R009_HUMAN    A1BG
F8W9F8_HUMAN    A1CF
F8W9F8_HUMAN    ACF
F8W9F8_HUMAN    ASP
Q5T0W7_HUMAN    A1CF
Q5T0W7_HUMAN    ACF
Q5T0W7_HUMAN    ASP
A1CF_HUMAN      A1CF
A1CF_HUMAN      ACF
A1CF_HUMAN      ASP
H0YFH1_HUMAN    A2M
H0YFH1_HUMAN    CPAMD5
H0YFH1_HUMAN    FWP007
A2MG_HUMAN      A2M
A2MG_HUMAN      CPAMD5
A2MG_HUMAN      FWP007

在第一栏我有蛋白质的名字，在第二栏我有相关的基因。在一些蛋白质前面可以看到多个基因名称，它们基本上是该细胞中第一个基因的别名（由1个空格分隔）

我想把这个数据集转换成一种形式，每个蛋白质的名字都与不同的基因名字配对，这样我就有了这样的东西：

Entry name  Gene names
A1BG_HUMAN      A1BG
M0R009_HUMAN    A1BG
F8W9F8_HUMAN    A1CF
Q5T0W7_HUMAN    A1CF
A1CF_HUMAN      A1CF ACF ASP
H0YFH1_HUMAN    A2M
A2MG_HUMAN      A2M CPAMD5 FWP007

Entry name  Gene names
A1BG_HUMAN      A1BG
M0R009_HUMAN    A1BG
F8W9F8_HUMAN    A1CF
F8W9F8_HUMAN    ACF
F8W9F8_HUMAN    ASP
Q5T0W7_HUMAN    A1CF
Q5T0W7_HUMAN    ACF
Q5T0W7_HUMAN    ASP
A1CF_HUMAN      A1CF
A1CF_HUMAN      ACF
A1CF_HUMAN      ASP
H0YFH1_HUMAN    A2M
H0YFH1_HUMAN    CPAMD5
H0YFH1_HUMAN    FWP007
A2MG_HUMAN      A2M
A2MG_HUMAN      CPAMD5
A2MG_HUMAN      FWP007

我知道如何将具有多个条目的细胞分割成不同的行，但我不知道如何将第一列中的蛋白质与基因的不同别名配对

有人知道怎么做吗

编辑：我不想只将数据分割成不同的行。所以cSplit在这方面实际上帮不了我。让我举一个例子：

在A1CF_人类面前，A1CF基因的不同别名出现了（ACF和ASP）。我不仅想将A1CF_人与ACF和ASP配对，还想将与A1CF基因相关的其他蛋白质（F8W9F8_人和Q5T0W7_人）与ACF和ASP配对。请看一下我上面想要的，以便更好地理解我到底在寻找什么。我不认为一个命令就能做到

---

假设第一个元素始终为“键”，其余为别名，则拆分基因名称，识别键，然后按键对所有别名进行分组，并将每个元素标准化以包含别名

elts = strsplit(df$Gene_names, " ")
keys = sapply(elts, "[[", 1)
values = split(unlist(elts), rep(keys, lengths(elts)))
df$Gene_names = lapply(values, unique)[keys]

使用每个标准化基因名称的长度复制条目名称，并将其与未列出的分割基因名称相匹配

data.frame(
    Entry_name = rep(df$Entry_name, lengths(df$Gene_names)),
    Gene_name = unlist(df$Gene_names))

---

我们可以将

cSplit

与

data.table

一起使用。我们将“data.frame”转换为“data.table”（

setDT（df）

），从带有

sub的“Gene\u names”中提取第一个单词（
word（Gene\u names，1）
），使用
duplicated
，我们使用逻辑向量的累积和作为分组变量，并分配“Gene_names”（基因名称）转换为具有最长字符的名称。然后，使用
cSplit
将其转换为“long”格式

library(splitstackshape)
library(data.table)
setDT(df)[, Gene_names := Gene_names[which.max(nchar(Gene_names))] , 
           cumsum(!duplicated(sub("\\s+.*", "", Gene_names)))][]
cSplit(df, "Gene_names", " ", "long")
#      Entry_name Gene_names
# 1:   A1BG_HUMAN       A1BG
# 2: M0R009_HUMAN       A1BG
# 3: F8W9F8_HUMAN       A1CF
# 4: F8W9F8_HUMAN        ACF
# 5: F8W9F8_HUMAN        ASP
# 6: Q5T0W7_HUMAN       A1CF
# 7: Q5T0W7_HUMAN        ACF
# 8: Q5T0W7_HUMAN        ASP
# 9:   A1CF_HUMAN       A1CF
#10:   A1CF_HUMAN        ACF
#11:   A1CF_HUMAN        ASP
#12: H0YFH1_HUMAN        A2M
#13: H0YFH1_HUMAN     CPAMD5
#14: H0YFH1_HUMAN     FWP007
#15:   A2MG_HUMAN        A2M
#16:   A2MG_HUMAN     CPAMD5
#17:   A2MG_HUMAN     FWP007

数据
df感谢Martin的回复，但正如我所解释的，这并不完全是我感兴趣的。
我想将这个数据集转换成一种形式，每个蛋白质名称都与不同的基因名称配对，这样我就有了这样的东西：
这是
类似于
的东西，还是你只包含了一些组合对话？@Ali你能发布数据的dput吗？@akrun我没有直接回复你。我的帖子被标记了，我想说明我不是在寻找cSplit
的功能。我也回复了Martin的帖子。是的，这正是我想要的，只是行的顺序并不重要。Martin的回答很好，非常感谢感谢您的帮助。@Learner我的数据有大约70000行。上面部分的
dput
是：
结构（list（Entry.name=structure）（c（1L，8L，6L，9L，2L，7L，4L，5L，3L），.Label=c（“A1BG_人”，“A1CF_人”，“A2MG_人”，“F5H1E8_人”，“F8W7L3_人”，“f8w9f8f8_人”，“h0yf8_人”，“h1_人”，“M0R009	人”，“h1人”，“M0R009Ɛ人”），类系数），Gene.names=structure（c（1L，1L，2L，2L，3L，4L，4L，4L，5L），.Label=c（“A1BG”，“A1CF”，“A1CF ACF ASP”，“A2M”，“A2M CPAMD5 FWP007”），class=“factor”），.names=c（“Entry.name”，“Gene.names”），class=“data.frame”，row.names=c（NA，-9L））
非常感谢您的帮助！但是它没有给出我想要的结果。@Ali现在，它给出了你在帖子中显示的预期输出。但是，你可以自由地说它不起作用。哈哈，非常感谢！这一次效果和我预期的一样！：）不幸的是，我没有足够的声誉来支持你的答案。。。