使用dplyr转换Dataframe：按SNP分组重组基因与得分列

问题背景 #

现有如下结构的Dataframe：

Gene        SNP  Score
1     AKT3  rs2220276 6.5091
2 ARHGAP44  rs2220276 4.7194
3   BRINP2 rs16851037 3.2606
4 C12orf42 rs16851037 3.2563
5  CCDC122 rs11619756 4.3142
6   CCDC68 rs11619756 2.3614

希望转换为以下结构，将每个SNP对应的基因和分数拆分为对应列：

Gene 1         SNP  Gene 1 Score       Gene 2   Gene 2 Score      
1     AKT3  rs2220276        6.5091     ARHGAP44         4.7194 
2   BRINP2 rs16851037        3.2606     C12orf42         3.2563
5  CCDC122 rs11619756        4.3142       CCDC68         2.3614

原始Dataframe创建代码：

df <- data.frame(Gene = c("AKT3", "ARHGAP44", "BRINP2", "C12orf42", "CCDC122","CCDC68")  , 
           "SNP" = c("rs2220276", "rs2220276", "rs16851037", "rs16851037","rs11619756", "rs11619756"),
           Score = c(6.5091, 4.7194, 3.2606, 3.2563, 4.3142, 2.3614))

解决方案（使用dplyr） #

可以通过分组标记序号，再将长格式数据转为宽格式实现：

library(dplyr)
library(tidyr)

df_transformed <- df %>%
  # 按SNP分组，给每组内的行添加1、2的序号标记
  group_by(SNP) %>%
  mutate(group_id = row_number()) %>%
  ungroup() %>%
  # 转换为宽格式，拆分Gene和Score列
  pivot_wider(
    id_cols = SNP,
    names_from = group_id,
    values_from = c(Gene, Score),
    # 自定义列名格式
    names_glue = "{.value} {names_from}"
  ) %>%
  # 调整列顺序匹配目标结构
  select(`Gene 1`, SNP, `Gene 1 Score`, `Gene 2`, `Gene 2 Score`)

代码说明 #

• group_by(SNP) %>% mutate(group_id = row_number())：给每个SNP组内的两行分别标记序号，为后续拆分列提供依据。
• pivot_wider：将长格式数据转为宽格式，把Gene和Score按序号拆分为独立列，并通过names_glue设置符合需求的列名。
• select：重新排列列的顺序，和目标结构一致。

运行上述代码后即可得到所需的Dataframe结构。

内容的提问来源于stack exchange，提问作者Workhorse