如何根据数据框列最大值为列分配Cluster分组？求dplyr函数建议

需求说明 #

根据数据框中各样本列（Sample1、Sample2、Sample3）的最大值，将每列分配到对应的Cluster分组（Cluster1、Cluster2、Cluster3）中，优先推荐dplyr相关工具实现。

示例数据 #

原始数据结构如下：

Group                Sample1         Sample2        Sample3
1 Cluster1             0.1             0               0.1
2 Cluster2             0.4             0.3             0.01
3 Cluster3             0               0.9             0.92

对应的R数据框结构代码：

df <- structure(list(Group = c("Cluster1", "Cluster2", "Cluster3"), 
  Sample1 = c(0.1, 0.4, 0), Sample2 = c(0, 0.3, 0.9), Sample3 = c(0.1, 
  0.01, 0.92)), class = "data.frame", row.names = c("1", "2", "3"))

预期输出 #

Sample1 Cluster2
Sample2 Cluster3
Sample3 Cluster3

实现方案 #

方法1：使用dplyr + tidyr（推荐） #

通过数据格式转换+分组筛选实现，代码如下：

library(dplyr)
library(tidyr)

# 处理数据并生成结果
result <- df %>%
  # 将宽格式转为长格式，便于按样本分组处理
  pivot_longer(-Group, names_to = "Sample", values_to = "Value") %>%
  # 按每个样本列分组
  group_by(Sample) %>%
  # 筛选出每个样本组中值最大的行
  slice_max(Value, n = 1) %>%
  # 取消分组
  ungroup() %>%
  # 保留需要的两列
  select(Sample, Group)

# 打印结果（隐藏行名）
print(result, row.names = FALSE)

方法2：Base R 实现 #

无需额外包，直接通过矩阵操作完成：

# 计算每个样本列最大值所在的行索引
max_row_indices <- apply(df[, -1], 2, which.max)

# 组合成结果数据框
result_base <- data.frame(
  Sample = colnames(df[, -1]),
  Group = df$Group[max_row_indices]
)

# 打印结果（隐藏行名）
print(result_base, row.names = FALSE)

内容的提问来源于stack exchange，提问作者user2300940