如何合并两个数据集：保留差异行并汇总共同行数值？

你可以用R中的dplyr或data.table包快速实现这个需求，以下是两种简便方法：

方法1：使用dplyr包（语法直观，适合常规数据处理） #

先加载dplyr，合并两个数据集后按标识列分组，对数值列求和：

library(dplyr)

# 合并数据集并按规则处理
combined_data <- bind_rows(Data, Data1) %>%
  # 按位点标识列分组（这些列完全相同则视为同一行）
  group_by(contig, position, variantID, refAllele, altAllele) %>%
  # 对所有数值列求和，na.rm处理可能的缺失值
  summarize(across(c(refCount:improperPairs), sum, na.rm = TRUE), .groups = "drop")

# 查看结果
head(combined_data)

代码说明： #

• bind_rows(Data, Data1)：将两个数据集按行拼接
• group_by(...)：指定判断"共同行"的依据，确保只有位点完全一致的行才会被合并
• summarize(across(...))：对每组内的数值列（从refCount到improperPairs）求和，.groups="drop"用于取消分组，得到普通数据框

方法2：使用data.table包（速度更快，适合大数据集） #

如果你的数据集规模较大，data.table的处理效率更高：

library(data.table)

# 转换为data.table格式
setDT(Data)
setDT(Data1)

# 合并并按规则聚合
combined_data <- rbind(Data, Data1)[, lapply(.SD, sum, na.rm = TRUE), 
                                    by = .(contig, position, variantID, refAllele, altAllele)]

# 查看结果
head(combined_data)

代码说明： #

• setDT()：将普通数据框转换为data.table对象
• rbind(Data, Data1)：行拼接两个数据集
• [, lapply(.SD, sum), by=...]：按位点标识列分组，对每组的所有非分组列（.SD）求和，自动处理数值列

验证结果 #

以你提供的数据为例：

• 共同位点905373的refCount会求和为2+2=4，altCount为4+3=7，与你的期望输出一致
• 独有位点911428（仅在Data）、933024（仅在Data1）会被完整保留

内容的提问来源于stack exchange，提问作者Genetics