R语言数据框处理：指定列非Blank行数值减去Blank行对应值

针对你的需求，这里提供两种可行的实现方法，分别适配基础R和tidyverse工作流：

方法一：基础R实现 #

先提取Blank行的基准数值，再通过条件赋值完成校正：

# 提取Blank行的基准值
blank_density <- DF$Density[DF$Sample == "Blank"]
blank_counts <- DF$Counts[DF$Sample == "Blank"]

# 校正Density列：Blank行设为0，其余行减去基准值
DF$Density <- ifelse(DF$Sample == "Blank", 0, DF$Density - blank_density)
# 校正Counts列
DF$Counts <- ifelse(DF$Sample == "Blank", 0, DF$Counts - blank_counts)

# 输出处理后的数据框
DF

方法二：tidyverse（dplyr）实现 #

用dplyr的语法更简洁地完成数据处理：

library(dplyr)

DF_processed <- DF %>%
  # 提取Blank行的基准值（假设仅存在一个Blank行）
  mutate(
    blank_density = first(Density[Sample == "Blank"]),
    blank_counts = first(Counts[Sample == "Blank"])
  ) %>%
  # 对目标列进行校正
  mutate(
    Density = case_when(
      Sample == "Blank" ~ 0,
      TRUE ~ Density - blank_density
    ),
    Counts = case_when(
      Sample == "Blank" ~ 0,
      TRUE ~ Counts - blank_counts
    )
  ) %>%
  # 移除临时生成的基准列
  select(-blank_density, -blank_counts)

# 输出处理后的数据框
DF_processed

扩展说明 #

如果你的数据存在多个Blank行（比如按Date分组对应不同基准），可以在tidyverse方法中加入group_by(Date)来按组处理基准值：

DF_processed_grouped <- DF %>%
  group_by(Date) %>%
  mutate(
    blank_density = first(Density[Sample == "Blank"]),
    blank_counts = first(Counts[Sample == "Blank"]),
    Density = case_when(
      Sample == "Blank" ~ 0,
      TRUE ~ Density - blank_density
    ),
    Counts = case_when(
      Sample == "Blank" ~ 0,
      TRUE ~ Counts - blank_counts
    )
  ) %>%
  ungroup() %>%
  select(-blank_density, -blank_counts)

内容的提问来源于stack exchange，提问作者Carlos