如何用R实现基因表达表格的宽格式转换？

错误原因 #

你之前的代码错误核心在于dcast公式的语法错误：不能用c("Timepoint","SampleID")来定义分组变量，必须用+连接；另外显式指定value.var参数可以避免程序自动推断值列时的潜在问题。

正确代码 #

首先确保加载data.table包，然后执行以下转换：

library(data.table)

# 将数据转换为data.table格式
setDT(rawDATA)

# 执行宽格式转换，明确指定分组变量、列变量和值变量
formattedDATA <- dcast(rawDATA, SampleID + Timepoint ~ Gene, value.var = "log2_CPM")

• SampleID + Timepoint：指定作为行标识的分组变量，对应宽表的前两列
• ~ Gene：将Gene列的不同取值扩展为新的列名
• value.var = "log2_CPM"：明确指定填充新列的数值来自log2_CPM列

转换结果 #

（注：你目标表格中的krt18应为原数据中的krt19，属于笔误）

额外说明 #

如果你的数据集存在同一个SampleID+Timepoint+Gene组合有重复值的情况，dcast会触发报错，此时可以通过fun.aggregate参数指定聚合方式，比如取均值：

formattedDATA <- dcast(rawDATA, SampleID + Timepoint ~ Gene, 
                       value.var = "log2_CPM", fun.aggregate = mean)

内容的提问来源于stack exchange，提问作者Kushan Gunawardhana