在R语言中对DataFrame进行去重与变长转换

合并三个数据集后得到结构混乱的DataFrame，包含唯一id字段，每个id对应一个或多个样本，原始数据结构如下：

samples <- structure(list(id = c(1029459, 1029459, 1029459, 1029459, 1030272, 
1030272, 1030272, 1032157, 1032157, 1032178, 1032178, 1032219, 
1032219, 1032229, 1032229, 1032494, 1032494, 1032780, 1032780
), sample1 = c(853401, 853401, 853401, 853401, 852769, 852769, 
852769, 850161, 850161, 852711, 852711, 852597, 852597, 850363, 
850363, 850717, 850717, 848763, 848763), sample2 = c(853401, 
853693, 853667, 853667, 852769, 853597, 853597, NA, NA, 852711, 
853419, 852597, 852597, 850363, 852741, 850717, 851811, 848763, 
848763), sample3 = c(NA, NA, NA, NA, NA, NA, NA, 853621, 852621, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA)), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -19L))
print(samples)
#> # A tibble: 19 × 4
#>         id sample1 sample2 sample3
#>      <dbl>   <dbl>   <dbl>   <dbl>
#>  1 1029459  853401  853401      NA
#>  2 1029459  853401  853693      NA
#>  3 1029459  853401  853667      NA
#>  4 1029459  853401  853667      NA
#>  5 1030272  852769  852769      NA
#>  6 1030272  852769  853597      NA
#>  7 1030272  852769  853597      NA
#>  8 1032157  850161      NA  853621
#>  9 1032157  850161      NA  852621
#> 10 1032178  852711  852711      NA
#> 11 1032178  852711  853419      NA
#> 12 1032219  852597  852597      NA
#> 13 1032219  852597  852597      NA
#> 14 1032229  850363  850363      NA
#> 15 1032229  850363  852741      NA
#> 16 1032494  850717  850717      NA
#> 17 1032494  850717  851811      NA
#> 18 1032780  848763  848763      NA
#> 19 1032780  848763  848763      NA

希望将每个id对应的所有唯一样本合并到一个sample列，转换为长格式，示例输出：

id       sample
1029459  853401
1029459  853693
1030272  852769
1030272  853597
1032157  850161
1032157  853621

方法一：使用tidyverse工具链 #

通过pivot_longer转长格式，再去重并过滤NA值：

library(tidyverse)

result <- samples %>%
  pivot_longer(cols = starts_with("sample"), names_to = NULL, values_to = "sample") %>%
  filter(!is.na(sample)) %>%
  distinct(id, sample) %>%
  arrange(id, sample)

print(result)

步骤说明： #

• pivot_longer：将所有以sample开头的列转换为单列，丢弃原列名，值存入sample列
• filter(!is.na(sample))：移除样本值为NA的行
• distinct(id, sample)：保留每个id对应的唯一样本组合
• arrange(id, sample)：按id和sample排序，与示例输出格式一致

方法二：使用Base R #

无需额外安装包，通过reshape转长格式后处理去重和NA：

# 转换为长格式
long_samples <- reshape(samples, 
                        direction = "long", 
                        varying = list(names(samples)[-1]),
                        v.names = "sample",
                        idvar = "id",
                        times = NULL)

# 去重、过滤NA并排序
result <- unique(long_samples[, c("id", "sample")])
result <- result[!is.na(result$sample), ]
result <- result[order(result$id, result$sample), ]

# 重置行名
rownames(result) <- NULL

print(result)

步骤说明： #

• reshape：指定id为分组变量，将其余列合并为sample列
• unique：保留id和sample的唯一组合
• 过滤NA值后按id和sample排序，最后重置行名

内容的提问来源于stack exchange，提问作者pgcudahy