如何用R实现CSV文件中SNP样本数据的行转列？

原始数据结构 #

假设你的CSV数据如下：

目标格式 #

需要转换为以Sample_ID为行、SNP名称为列的宽格式，缺失值用N/A填充：

具体实现步骤 #

1. 准备依赖包 #

先确保安装了tidyverse包（包含数据处理所需的dplyr和tidyr工具），未安装则执行：

install.packages("tidyverse")

加载包：

library(tidyverse)

2. 加载数据 #

你可以选择读取本地CSV文件，或者直接构造测试数据：

方式一：读取本地CSV文件

# 替换为你的实际文件路径
snp_df <- read.csv("snp_data.csv", stringsAsFactors = FALSE)

方式二：构造测试数据（快速验证用）

snp_df <- data.frame(
  SNP_Name = c("rs12345", "rs12345", "rs67890", "rs67890"),
  Sample_ID = c("JJ37", "JJ47", "JJ12", "JJ37"),
  `Alle1-Forward` = c("T", "C", "A", "A"),
  `Allele2-Backward` = c("T", "C", "A", "G"),
  stringsAsFactors = FALSE
)

3. 合并等位基因列 #

将两列等位基因用逗号拼接成基因型字符串：

snp_df <- snp_df %>%
  mutate(Genotype = paste(`Alle1-Forward`, `Allele2-Backward`, sep = ","))

注：列名含连字符，必须用反引号`包裹才能正确引用

4. 转换为宽格式 #

使用pivot_wider函数重塑数据，自动填充缺失值为N/A：

result_df <- snp_df %>%
  select(Sample_ID, SNP_Name, Genotype) %>%
  pivot_wider(
    names_from = SNP_Name, 
    values_from = Genotype, 
    values_fill = list(Genotype = "N/A")
  )

5. 查看结果 #

打印转换后的数据集：

print(result_df)

运行以上代码后，即可得到符合要求的目标格式数据。

内容的提问来源于stack exchange，提问作者sai