如何基于patch列字符串分组计算sn_sp_dist列的UP与DN差值？

问题分析 #

需要针对每个GL编号，将其UP位置各重复项的sn_sp_dist数值，减去对应重复项DN位置的数值。核心是从patch列拆分出GL编号、位置（UP/DN）和重复项序号，再按GL编号+重复项分组计算差值。

解决步骤 #

1. 数据类型转换：原数据中sn_sp_dist是因子类型，需先转为数值型才能进行计算。
2. 拆分patch列：通过下划线分割patch字段，提取GL编号、位置、重复项序号三个关键信息。
3. 分组计算差值：按GL编号和重复项分组，匹配同组内的UP与DN数值，计算差值。

完整代码 #

library(dplyr)
library(tidyr)

# 将sn_sp_dist从因子转为数值型
met.ex <- met.ex %>%
  mutate(sn_sp_dist = as.numeric(as.character(sn_sp_dist)))

# 拆分patch列，提取关键信息
met_processed <- met.ex %>%
  separate(patch, into = c("gl_id", "position", "replicate"), sep = "_")

# 分组计算UP - DN的差值
diff_result <- met_processed %>%
  group_by(gl_id, replicate) %>%
  summarise(
    sn_sp_diff = sn_sp_dist[position == "UP"] - sn_sp_dist[position == "DN"],
    .groups = "drop"  # 计算后取消分组
  )

# 查看结果
print(diff_result)

结果说明 #

运行代码后会得到每个GL编号+重复项组合的差值：

• GL134的三个重复项均有UP和DN数据，可正常计算差值；
• GL22的_2重复项仅存在DN数据，_3重复项仅存在UP数据，这两组的差值会显示为NA；
• 若需过滤掉含NA的结果，可在summarise后添加filter(!is.na(sn_sp_diff))。

内容的提问来源于stack exchange，提问作者Geomicro