利用字符串处理结合mutate函数实现R数据框数值校正

原始数据 #

df <- data.frame(
  condition = as.factor(c("ecoli_RPMI", "staph_RPMI", "RPMI", "ecoli_DMEM", "staph_DMEM", "DMEM", "ecoli_RPMI", "staph_RPMI", "RPMI", "ecoli_DMEM", "staph_DMEM", "DMEM")),
  time = as.numeric(c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2)),
  value = as.numeric(c(0.3, 0.3, 0.2, 0.4, 0.4, 0.1, 0.9, 0.8, 0.1, 0.7, 0.8, 0.2))
)

需求说明 #

按time分组，将每个细菌组（格式如ecoli_RPMI）的value减去同时间点对应单纯培养基对照（如RPMI）的value，生成新列corrected_value，预期结果如下：

data.frame(
  condition = as.factor(c("ecoli_RPMI", "staph_RPMI", "RPMI", "ecoli_DMEM", "staph_DMEM", "DMEM", "ecoli_RPMI", "staph_RPMI", "RPMI", "ecoli_DMEM", "staph_DMEM", "DMEM")),
  time = as.numeric(c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2)),
  value = as.numeric(c(0.3, 0.3, 0.2, 0.4, 0.4, 0.1, 0.9, 0.8, 0.1, 0.7, 0.8, 0.2)),
  corrected_value = as.numeric(c(0.1, 0.1, 0, 0.3, 0.3, 0, 0.8, 0.7, 0, 0.5, 0.6, 0))
)

已尝试方法 #

曾尝试用group_by结合mutate+case_when的硬编码方式，但扩展性差且未成功，希望通过字符串处理简化实现：

df %>%
  group_by(time)%>%
  mutate(corrected_value = case_when(
  conditions == "ecoli_RPMI" ~ value - value[Conditions == "RPMI"],
  # 其他硬编码条件...
  ))

解决方案 #

方法1：使用stringr提取培养基名称（推荐，代码更清晰） #

library(dplyr)
library(stringr)

df_corrected <- df %>%
  # 提取培养基名称：对照直接取原condition，细菌组取下划线后部分
  mutate(medium = if_else(str_detect(condition, "_"),
                          str_extract(condition, "(?<=_)\\w+"),
                          as.character(condition))) %>%
  # 按时间和培养基分组，确保只匹配同时间的对照
  group_by(time, medium) %>%
  mutate(
    # 同组内，细菌组value减去对照的value，对照自身减为0
    corrected_value = value - value[condition == medium]
  ) %>%
  ungroup() %>%
  select(-medium) # 可选：删除中间辅助列

# 查看结果
print(df_corrected)

方法2：基础R字符串分割（无需额外包） #

df_corrected <- df %>%
  mutate(
    medium = sapply(strsplit(as.character(condition), "_"), 
                    function(x) if(length(x) == 2) x[2] else x[1])
  ) %>%
  group_by(time, medium) %>%
  mutate(corrected_value = value - value[condition == medium]) %>%
  ungroup() %>%
  select(-medium)

print(df_corrected)

说明 #

两种方法核心逻辑一致：

1. 从condition中提取统一的培养基标识，让细菌组和对应对照归为同一组
2. 按time+medium分组后，直接用组内对照的value做减法，避免硬编码每个condition，扩展性更强（新增细菌或培养基无需修改代码）

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