如何将含两列的列表转换为类似geneList的命名数值向量？

问题场景 #

你需要将包含avg_log2FC（数值）和entrez（基因ID）的两列数据框，转换为类似geneList的命名数值向量（数值为avg_log2FC，名字为对应的entrez ID）。你的尝试中使用unlist后出现了不符合预期的结果，且疑惑entrez列的去向。

原始数据框结构：

str(mydata)
'data.frame':   9880 obs. of  2 variables:
 $ avg_log2FC: num  3.38 2.93 2.89 2.8 2.67 ...
 $ entrez    : chr  NA "6696" "8788" "3488" ...

错误尝试的结果：

mylist=unlist(lapply(mydata, as.numeric),recursive = TRUE, use.names = TRUE)
str(mylist)
 Named num [1:19760] 3.38 2.93 2.89 2.8 2.67 ...
 - attr(*, "names")= chr [1:19760] "avg_log2FC1" "avg_log2FC2" "avg_log2FC3" "avg_log2FC4" ...

1. 为什么entrez列看起来“消失”了？ #

unlist(lapply(mydata, as.numeric))的行为是按列拼接两个数值向量：先把avg_log2FC的9880个元素全部放在前面，再把entrez的9880个元素接在后面。entrez的内容并没有丢失，只是位于向量的后半段（第9881到19760位），而str()默认只显示前几个元素的名字，所以你看不到它们。

2. 正确转换为geneList结构的方法 #

不需要将数据框转为列表再unlist，直接从数据框出发，用setNames()函数将entrez设为数值向量的名字即可，同时要先过滤掉entrez为NA的行（因为命名向量不能有NA作为名字）。

方法步骤：

# 1. 过滤掉entrez为NA的行（必须步骤，否则会生成NA名字）
filtered_data <- mydata[!is.na(mydata$entrez), ]

# 2. 将entrez转为字符型（名字必须是字符），作为avg_log2FC的命名
geneList_like <- setNames(filtered_data$avg_log2FC, as.character(filtered_data$entrez))

# 查看结果结构
str(geneList_like)

预期输出：

Named num [1:XXX] 2.93 2.89 2.8 2.67 ...
 - attr(*, "names")= chr [1:XXX] "6696" "8788" "3488" "1028" ...

如果已经将数据框转为列表mylist：

先把列表转回数据框再处理：

# 列表转回数据框
mydata <- as.data.frame(mylist)
# 后续步骤同上
filtered_data <- mydata[!is.na(mydata$entrez), ]
geneList_like <- setNames(filtered_data$avg_log2FC, as.character(filtered_data$entrez))

验证结果 #

用dput(head(geneList_like))可以得到和目标格式一致的输出：

dput(head(geneList_like))
c(`6696` = 2.93, `8788` = 2.89, `3488` = 2.8, `1028` = 2.67, ...)

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