如何在R中为每个唯一Sample提取关联基因并生成Dataframe

用 pandas 的 groupby 结合 agg 方法是处理这类需求的最优方案，原生高效且代码简洁：

1. 先构造示例 DataFrame（若已有现成数据可跳过此步骤）：

import pandas as pd

df = pd.DataFrame({
    'Sample': ['A', 'A', 'B', 'B', 'C', 'B', 'C'],
    'Genes': ['Gene1', 'Gene2', 'Gene3', 'Gene2', 'Gene3', 'Gene1', 'Gene4']
})

2. 按 Sample 字段分组，将每组的 Genes 用「逗号+空格」拼接成字符串：

merged_df = df.groupby('Sample')['Genes'].agg(', '.join).reset_index()

执行后得到的 merged_df 完全符合需求格式：

为什么这是最优方法？ #

• 属于 pandas 原生向量式操作，比手动循环遍历样本的方式效率高数倍，尤其适配大规模数据集场景
• 代码简洁直观，核心逻辑仅一行，可读性和维护性都很强

内容的提问来源于stack exchange，提问作者user5029313