如何处理R数据框重复列名并将患者ID转为新列？

针对你的数据处理需求，我们可以借助dplyr和tidyr包快速完成转换，具体步骤如下：

1. 加载依赖包 #

library(dplyr)
library(tidyr)

2. 数据处理代码 #

df_processed <- df1 %>%
  # 标记重复的表头行：REF/ALT/INFO列值与列名一致的行
  mutate(is_header = REF == "REF" & ALT == "ALT" & INFO == "INFO",
         # 提取表头行的VAR值作为ID，非表头行暂存为NA
         ID = ifelse(is_header, VAR, NA)) %>%
  # 向下填充ID值，让每个数据行匹配所属的患者ID
  fill(ID, .direction = "down") %>%
  # 过滤掉所有表头行，只保留有效数据
  filter(!is_header) %>%
  # 移除临时标记列，调整列顺序匹配目标格式
  select(REF, ALT, INFO, VAR, ID)

代码说明 #

• 标记表头行：通过判断三列是否同时等于自身列名，精准识别重复的表头行，并提取这些行的VAR字段作为患者ID。
• 填充ID：用fill()将ID值向下传递，确保每个数据行都对应到所属的患者ID。
• 过滤无效行：移除所有表头行，仅保留实际数据内容。
• 调整列顺序：最后整理列的排列顺序，与目标数据框结构完全匹配。

结果验证 #

运行代码后，可通过all.equal(df_processed, df2)验证处理后的数据与目标数据框是否完全一致。

内容的提问来源于stack exchange，提问作者Pokemoon