在R语言中将长格式SNP数据转换为宽格式的方法求助

可以用tidyverse工具包中的pivot_longer和pivot_wider实现需求，以下是具体代码和步骤：

1. 加载依赖包 #

library(tidyverse)

2. 执行数据重塑 #

# 处理encoding列，生成带is_severe前缀的宽格式
df_encoding <- df %>%
  # 将三个encoding列转为长格式
  pivot_longer(cols = starts_with("encoding_"), 
               names_to = "encoding", 
               values_to = "value") %>%
  # 拼接新列名：is_severe_<值>_<encoding列名>
  mutate(new_col = paste0("is_severe_", is_severe, "_", encoding)) %>%
  # 转回宽格式，每个snp_id对应一行
  pivot_wider(id_cols = snp_id, 
              names_from = new_col, 
              values_from = value)

# 提取每个snp_id的元数据（假设同一snp_id下元数据一致）
df_metadata <- df %>%
  distinct(snp_id, .keep_all = TRUE) %>%
  select(snp_id, chisq, pvalue, AF_TOTAL, AF_latin, REF, ALT)

# 合并encoding宽格式数据和元数据
final_df <- df_encoding %>%
  left_join(df_metadata, by = "snp_id")

3. 结果展示 #

最终输出的final_df结构完全符合需求：

针对元数据存在差异的情况 #

如果同一snp_id下的chisq、pvalue等字段存在不同值，可通过聚合函数处理，比如取均值：

df_metadata <- df %>%
  group_by(snp_id) %>%
  summarise(
    chisq = mean(chisq), # 可替换为max/min等聚合方式
    pvalue = mean(pvalue),
    AF_TOTAL = first(AF_TOTAL), # 假设频率数据一致，取第一个值
    AF_latin = first(AF_latin),
    REF = first(REF),
    ALT = first(ALT),
    .groups = "drop"
  )

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