如何创建新df：通过原值/列总和公式转换单元格计算相对丰度

核心思路 #

不用删除物种名称列，直接针对数值型样本列计算相对丰度，再与物种列合并即可。以下提供两种适配大规模数据集的方法（支持数百行列）：

方法1：基础R实现 #

先提取数值列计算相对丰度，再合并原物种列：

# 示例数据框（模拟你的数据集结构）
df <- data.frame(
  Species = c("Species_A", "Species_B", "Species_C"),
  Sample1 = c(10, 20, 30),
  Sample2 = c(15, 25, 40),
  Sample3 = c(5, 15, 20)
)

# 提取数值列（排除第一列物种名）
num_cols <- df[, -1]
# 计算每列的总和
col_totals <- colSums(num_cols)
# 计算相对丰度：转置后按行除以列总和，再转置回原结构
rel_abund <- t(t(num_cols) / col_totals)
# 合并物种列与相对丰度数据
new_df <- cbind(df[, 1, drop=FALSE], rel_abund)

方法2：tidyverse（dplyr）实现 #

更简洁，自动识别数值列，无需手动筛选：

library(dplyr)

# 直接对所有数值列计算相对丰度，保留物种列
new_df <- df %>%
  mutate(across(where(is.numeric), ~ .x / sum(.x)))

为什么你之前的方法失败？ #

转置后原物种列变成首行字符向量，导致rowwise+c_across计算总和时混入非数值类型，引发错误。上面的方法无需转置，直接针对数值列操作，完美保留物种名称列，同时适配大规模数据集。

内容的提问来源于stack exchange，提问作者salix7