如何将A组、B组多列分别合并为单列并进行相关性分析？

你的代码用unlist()虽然能把多列转成向量，但存在两个关键问题：

• 破坏了样本的配对关系：如果原数据每行对应一个样本的多组AML和Normal测量值，unlist()会把所有列的元素按列拼接，导致AML和Normal值无法对应到同一样本，后续相关性分析的逻辑会出错。
• 输出为向量而非整洁数据框，不利于后续用tidyverse工具做分析和可视化。

推荐的tidyverse实现方式 #

用pivot_longer()做列转行，既能合并列，又能保留样本的对应关系，生成适合分析的整洁数据：

library(tidyverse)

# 生成带样本ID的整洁数据，保留AML与Normal值的样本对应关系
tidy_data <- CTL %>%
  mutate(sample_id = row_number()) %>% # 给每个样本分配唯一ID
  pivot_longer(
    cols = starts_with("AML."), # 选中所有AML开头的列
    names_to = "aml_subgroup",
    values_to = "aml_value"
  ) %>%
  pivot_longer(
    cols = starts_with("Normal."), # 选中所有Normal开头的列
    names_to = "normal_subgroup",
    values_to = "normal_value"
  )

# 提取用于相关性分析的向量
aml_values <- tidy_data$aml_value
normal_values <- tidy_data$normal_value

# 执行相关性检验（比如皮尔逊相关）
cor.test(aml_values, normal_values)

这种写法的优势 #

• 保留了样本的配对信息，确保分析逻辑符合实验设计。
• 生成的整洁数据框可以直接用于可视化，比如画散点图看分布：

tidy_data %>%
  ggplot(aes(x = aml_value, y = normal_value)) +
  geom_point(alpha = 0.6) +
  geom_smooth(method = "lm", color = "red")

若无需配对关系的场景 #

如果AML组和Normal组是完全独立的样本（无配对关系），你原有的unlist()思路是可行的，但可以简化成更符合tidy风格的写法：

aml_values <- CTL %>%
  select(starts_with("AML.")) %>%
  pivot_longer(everything(), values_to = "value") %>%
  pull(value)

normal_values <- CTL %>%
  select(starts_with("Normal.")) %>%
  pivot_longer(everything(), values_to = "value") %>%
  pull(value)

内容的提问来源于stack exchange，提问作者gmzyllmz1