R语言中基于共同行合并基因表达数据框的方法求助

核心思路 #

要合并两个行名为基因的数据框，保留共同基因并整合所有16列（8+8），关键是要：

1. 以基因名（行名）作为合并的唯一键
2. 区分两个数据框的重复列名（避免合并后列名冲突）
3. 只保留双方共有的基因

方法一：Base R 实现 #

# 1. 给两个数据框的列名添加前缀，区分来源
colnames(fibro1) <- paste0("fibro1_", colnames(fibro1))
colnames(fibro2) <- paste0("fibro2_", colnames(fibro2))

# 2. 将行名（基因名）转为单独的列，作为合并键
fibro1$gene <- rownames(fibro1)
fibro2$gene <- rownames(fibro2)

# 3. 内连接合并，只保留共同基因
merged_df <- merge(fibro1, fibro2, by = "gene", all = FALSE)

# 4. 把基因名重新设为行名，清理临时列
rownames(merged_df) <- merged_df$gene
merged_df$gene <- NULL

方法二：dplyr 实现 #

如果习惯用tidyverse工具，用以下代码更简洁：

library(dplyr)
library(tibble)

# 转换为tibble，保留基因名为列，并给样本列加前缀
fibro1_tbl <- fibro1 %>%
  rownames_to_column("gene") %>%
  rename_with(~paste0("fibro1_", .), -gene)

fibro2_tbl <- fibro2 %>%
  rownames_to_column("gene") %>%
  rename_with(~paste0("fibro2_", .), -gene)

# 内连接合并，再把基因名转回行名
merged_tbl <- inner_join(fibro1_tbl, fibro2_tbl, by = "gene") %>%
  column_to_rownames("gene")

为什么之前的方法没生效？ #

• merge()：如果没指定by参数，会默认用所有列名相同的列合并，但你的列是样本名，不是基因，自然出错
• inner_join()：默认只识别列作为合并键，没把行名转成列的话，找不到正确的匹配依据
• semi_join()：只会保留左侧数据框的列，不会整合右侧的列，所以出不来16列
• intersect()：只是提取共同的行名，不会合并两个数据框的内容

内容的提问来源于stack exchange，提问作者Debutant