如何在R中将多指标长格式基因型数据表转换为宽格式

问题背景 #

我有一个Excel文件，表头为trait、genotype_id、BLUE、BLUE_SE、BLUP、BLUP_SE和heritability。除trait列外，所有列均为数值型，trait列包含Fe、Zn、S三种性状，对应三组数据上下排列。我希望按genotype_id汇总数据，得到如genotype_id、BLUE_Fe、BLUE_Zn、BLUE_S、BLUE_SE_Fe等格式的宽表，以便后续在R中构建相关矩阵。

我尝试了以下代码：

data_wide <- spread(allBLUEs, trait, BLUE)

但该代码仅能将BLUE列转换到同一行。我又尝试：

data_wide <- spread(allBLUEs, key = trait, value = c(BLUE, BLUE_SE, BLUP, BLUP_SE, heritability), sep = "_")

但发现spread函数的value参数似乎仅支持单个列？

示例数据如下：

df=tribble(~trait,~genotype_id,~BLUE,~BLUE_SE,~ BLUP,~BLUP_SE,~ heritability,
           "Fe", 3, 47.2, 2.13, 43.0, 1.76, 0.685,
           "Fe", 386, 42.5, 2.13, 39.8, 1.76, 0.685,
           "Zn", 3, 24.4, 1.74, 23.6, 1.18, 0.456,
           "S", 386, 1253, 51.3, 1269, 38.0, 0.545)

解决方案 #

你说得没错，spread函数确实只支持单个值列的转换，想要一次性处理多列，推荐使用tidyr包中的pivot_wider函数——这是spread的升级版，专门支持多值列的宽格式转换。

步骤1：加载必要的包 #

首先确保你已经安装并加载了tidyverse（包含tidyr）：

library(tidyverse)

步骤2：使用pivot_wider转换格式 #

直接调用pivot_wider，指定核心参数即可完成转换：

data_wide <- df %>%
  pivot_wider(
    id_cols = genotype_id,  # 按genotype_id分组汇总
    names_from = trait,     # 用trait的值作为新列名的后缀
    values_from = c(BLUE, BLUE_SE, BLUP, BLUP_SE, heritability),  # 需要转换的所有数值列
    names_sep = "_"         # 列名的分隔符，生成如BLUE_Fe的格式
  )

转换后的结果 #

运行上述代码后，会得到符合需求的宽格式数据：

缺失的性状会自动填充为NA，完全满足后续构建相关矩阵的需求。

内容的提问来源于stack exchange，提问作者mikki