如何用group_by()实现按label分组的均值列归一化校正？

问题 #

现有如下示例数据框：

id_row  sample  wsts (xc)_mean  wstm (xc)_mean  label   tube
1       Ta      2937.5      4082.5      well_1  S_PUC_C_064_(1)_G4
2       Ta      3048        5347.5      well_1  S_PUC_C_064_(1)_G4
3       Ca      6176        7735.5      well_2  S_PUC_C_064_(4)_G4
4       Ca      8431        13793       well_2  S_PUC_C_064_(4)_G4
7       blank   2723        2359        well_1  blank
8       blank   3456        8777        well_2  blank

需要完成以下操作：

• 识别所有含_mean的列，按label分组计算：非blank样本的当前值减去同组blank样本的对应值
• blank样本直接保留原值
• 计算后生成以_norm为后缀的新列（如wsts (xc)_mean→wsts (xc)_norm）

已有代码框架，需补充核心计算逻辑：

dataframe %>%
  group_by(label) %>%
  mutate(across(contains("_mean"),
               ..., 
               .name = "{str_replace(.col, '_mean', '_norm')}"

预期结果示例：

id_row  sample  wsts (xc)_mean ... label   tube wsts (xc)_norm
1       Ta      2937.5      ...      well_1  S_PUC_C_064_(1)_G4 214.5
2       Ta      3048        ...      well_1  S_PUC_C_064_(1)_G4 325
3       Ca      6176        ...      well_2  S_PUC_C_064_(4)_G4 2720
4       Ca      8431        ...       well_2  S_PUC_C_064_(4)_G4 4975
7       blank   2723        ...        well_1  blank 2723
8       blank   3456        ...        well_2  blank 3456

解决方案 #

直接在across中加入条件判断逻辑，结合分组内的空白值提取，完整代码如下：

library(dplyr)
library(stringr)

dataframe %>%
  group_by(label) %>%
  mutate(across(contains("_mean"),
               ~ if_else(sample == "blank", 
                         ., 
                         . - filter(cur_data(), sample == "blank") %>% pull(cur_column())),
               .name = "{str_replace(.col, '_mean', '_norm')}"
               )) %>%
  ungroup() # 可选，根据后续操作需求决定是否取消分组

逻辑说明 #

1. 分组约束：按label分组，确保空白校正仅在同组内执行
2. 条件计算：
   • 若当前行是blank样本，直接保留原值（.代表当前列的原始值）
   • 若非blank样本，用当前值减去同组内blank样本的对应列数值：filter(cur_data(), sample == "blank") %>% pull(cur_column()) 会精准提取当前分组、当前列的空白样本值
3. 自动命名：通过str_replace批量将原列名的_mean替换为_norm，生成标准化后的新列

结果验证 #

运行代码后会完全匹配预期：

• well_1组Ta样本：2937.5 - 2723 = 214.5，3048 - 2723 = 325
• well_2组Ca样本：6176 - 3456 = 2720，8431 - 3456 = 4975
• blank样本原值保持不变

内容的提问来源于stack exchange，提问作者Someone_1313