如何在R中按Protein分组统计Peptide唯一值数量并新增列？

方法一：用dplyr包（推荐，语法清晰） #

先加载dplyr包，按Protein分组后计算每组内的唯一Peptides数量，新增列到原数据框：

library(dplyr)

# 注意：原数据框的肽段列名是Peptides，和你预期输出里的Peptide是笔误，这里以原数据框列名为准
df <- df %>%
  group_by(Protein) %>%
  mutate(`Unique values` = n_distinct(Peptides)) %>%
  ungroup()

• group_by(Protein)：按Protein字段分组
• n_distinct(Peptides)：统计每组内不重复的Peptides数量
• mutate：把统计结果作为新列添加到每一行，保证同一Protein的所有行都对应相同的统计值
• ungroup()：取消分组，还原普通数据框结构（可选，但能避免后续操作的分组干扰）

方法二：用Base R原生函数（无需额外包） #

如果不想加载dplyr，用ave函数也能实现：

df$`Unique values` <- ave(df$Peptides, df$Protein, FUN = function(x) length(unique(x)))

• ave函数会按第二个参数（df$Protein）分组，对第一个参数（df$Peptides）执行指定的统计函数
• function(x) length(unique(x))：计算每组内不重复值的数量，结果自动匹配到原数据的每一行

原代码的问题 #

你写的for循环没有做分组筛选，每次赋值都是整个Peptides列的全局唯一值数量，而非当前Protein分组内的数量，所以最终整列都是同一个全局统计值，达不到分组统计的效果。

内容的提问来源于stack exchange，提问作者Marie Gebelin