R语言中使用mutate()计算差异倍数时出错的解决咨询

问题背景 #

构造数据的代码：

barcode <- c("barcode1", "barcode1", "barcode2", "barcode2", "barcode3","barcode3","barcode1","barcode1","barcode2","barcode2","barcode3","barcode3")
sampleID <- rep(paste0("sampleID_", 1:12))
bc_rel_abun <- runif(length(sampleID), min = 0, max = 1)
Nature <- rep(c("Control", "Case"), each = 6)        
df <- data.frame(barcode, sampleID, bc_rel_abun,Nature)

先通过分组计算均值：

df<- df %>% 
    group_by(barcode,Nature) %>% 
    mutate(bc_rel_abun_repli_comb = mean(bc_rel_abun))

随后尝试计算每个barcode的Control与Case组差异倍数时出错：

df %>% 
      group_by(barcode) %>% 
      mutate(foldchange = (bc_rel_abun_repli_comb[Nature == "Control"] - bc_rel_abun_repli_comb[Nature == "Case"]) / bc_rel_abun_repli_comb[Nature == "Control"])

错误信息：

Error in `mutate()`:
ℹ In argument: `foldchange = ... / bc_rel_abun[Nature == "Control"]`.
ℹ In group 1: `barcode = "AAAAAAAAAGATAATTTACATTAGG"`.
Caused by error:
! `foldchange` must be size 4 or 1, not 2.

期望输出：

barcode Nature  Foldchange
barcode1    Controlvscase   2.7
barcode2    Controlvscase   -0.3
barcode3    Controlvscase   0.2

错误原因 #

按barcode分组后，每个组包含4行数据（2个Control样本、2个Case样本）。当执行bc_rel_abun_repli_comb[Nature == "Control"]时，会返回2个完全相同的均值（因为同一barcode的Control组均值已通过mutate统一赋值），同理bc_rel_abun_repli_comb[Nature == "Case"]也返回2个相同值。两者计算后得到长度为2的向量，但mutate要求新列的长度要么与组内行数（4）一致，要么为1（自动广播到所有行），因此出现长度不匹配的错误。

解决方法 #

方法1：生成期望的汇总格式（每个barcode一行） #

直接先按barcode和Nature汇总均值，再转宽格式计算差异倍数，最后整理成目标结构：

library(dplyr)
library(tidyr)

# 汇总均值并计算差异倍数
summary_result <- df %>%
  # 先得到每个barcode+Nature的均值，替代原mutate步骤（更高效）
  group_by(barcode, Nature) %>%
  summarize(bc_mean = mean(bc_rel_abun), .groups = "drop") %>%
  # 转宽格式，将Control和Case转为列
  pivot_wider(names_from = Nature, values_from = bc_mean) %>%
  # 计算差异倍数并添加Nature列
  mutate(
    Foldchange = (Control - Case) / Control,
    Nature = "Controlvscase"
  ) %>%
  # 调整列顺序到目标格式
  select(barcode, Nature, Foldchange)

print(summary_result)

方法2：在原数据框中添加差异倍数列 #

如果需要保留原数据的所有行，同时为每个barcode添加统一的差异倍数列，可通过first()提取单值避免长度问题：

df_with_foldchange <- df %>%
  group_by(barcode) %>%
  mutate(
    # 提取Control组的均值（取第一个值即可，同组内所有Control行的均值相同）
    ctrl_mean = first(bc_rel_abun_repli_comb[Nature == "Control"]),
    # 提取Case组的均值
    case_mean = first(bc_rel_abun_repli_comb[Nature == "Case"]),
    # 计算差异倍数
    foldchange = (ctrl_mean - case_mean) / ctrl_mean
  ) %>%
  ungroup()

print(df_with_foldchange)

内容的提问来源于stack exchange，提问作者Steffi Ma