在R中按Line和Sex分组提取指定时间数据并生成多个DataFrame

原始数据示例 #

先构造一个匹配需求的示例数据集：

library(tibble)
raw_df <- tibble(
  Time = c(10, 11, 11, 10, 11, 11, 10, 11, 11),
  Survival = c(0.9, 0.85, 0.78, 0.92, 0.88, 0.75, 0.91, 0.82, 0.76),
  Line = rep(c("LineA", "LineB", "LineC"), c(3, 3, 3)),
  Sex = rep(c("Male", "Female", "Male"), each=3),
  Dose = c(0, 10, 20, 0, 10, 20, 0, 10, 20)
)

期望结果示例 #

以LineA_Male组为例，提取后得到的独立DataFrame仅包含Survival和Dose列：

LineA_Male_df <- tibble(
  Survival = c(0.85, 0.78),
  Dose = c(10, 20)
)

实现方法 #

下面提供两种主流实现方式，按需选择：

方法1：使用tidyverse工具链（dplyr + purrr）

适合习惯tidy语法的用户，代码简洁直观：

library(dplyr)
library(purrr)

# 1. 筛选Time=11的行，并保留核心列
filtered_data <- raw_df %>% 
  filter(Time == 11) %>%
  select(Survival, Dose, Line, Sex)

# 2. 按Line+Sex分组拆分数据，自动丢弃分组列并给每个分组命名
grouped_dfs <- filtered_data %>%
  group_by(Line, Sex) %>%
  group_split(.keep = FALSE) %>%
  set_names(
    filtered_data %>% 
      distinct(Line, Sex) %>% 
      mutate(group_name = paste(Line, Sex, sep = "_")) %>% 
      pull(group_name)
  )

# 3. 批量保存每个分组为CSV文件
walk2(grouped_dfs, names(grouped_dfs),
      ~write.csv(.x, file = paste0(.y, ".csv"), row.names = FALSE))

方法2：Base R实现

无需额外安装包，适合轻量需求：

# 1. 筛选Time=11的行，仅保留需要的列
filtered_data <- raw_df[raw_df$Time == 11, c("Survival", "Dose", "Line", "Sex")]

# 2. 生成分组标签并拆分数据
filtered_data$group_label <- paste(filtered_data$Line, filtered_data$Sex, sep = "_")
split_dfs <- split(filtered_data[, c("Survival", "Dose")], filtered_data$group_label)

# 3. 循环保存每个分组文件
for (group_name in names(split_dfs)) {
  write.csv(split_dfs[[group_name]], 
            file = paste0(group_name, ".csv"), 
            row.names = FALSE)
}

关键说明 #

• 最终生成的文件名格式为[Line]_[Sex].csv（比如LineB_Female.csv），便于对应不同分组
• row.names = FALSE避免保存时自动添加行号列，保证输出数据干净
• 若需保存为Excel格式，可将write.csv替换为writexl::write_xlsx（需先安装writexl包）

内容的提问来源于stack exchange，提问作者K.W