如何按首行Cohort值分组计算基因表达数据的行均值？

首先注意你的数据集结构：当前是基因/分组作为行，样本作为列，需要先转置调整结构，让样本成为行，Cohort和各基因成为列，这样才能按Cohort分组计算均值。

步骤1：整理数据集（以R为例） #

先把数据读入并转置：

# 构造原始数据
data <- data.frame(
  row_names = c("Cohort", "G1", "G2", "G3", "G4"),
  S1 = c(1, 23, 11, 45, 67),
  S2 = c(2, 44, 78, 46, 77),
  S3 = c(1, 67, 88, 56, 22),
  S4 = c(1, 13, 30, 66, 45)
)

# 转置并重新命名列
data_t <- t(data[, -1])
colnames(data_t) <- data$row_names
data_t <- as.data.frame(data_t)

转置后的数据结构：

Cohort G1 G2 G3 G4
S1      1 23 11 45 67
S2      2 44 78 46 77
S3      1 67 88 56 22
S4      1 13 30 66 45

步骤2：按Cohort分组计算基因均值 #

方法一：用base R的aggregate()函数 #

这是最简便的基础方法，直接按Cohort分组，计算所有基因列的均值：

aggregate(. ~ Cohort, data = data_t, FUN = mean)

输出结果：

Cohort       G1       G2       G3       G4
1      1 34.33333 43.00000 55.66667 44.66667
2      2 44.00000 78.00000 46.00000 77.00000

方法二：用dplyr包（更直观的语法） #

如果习惯tidyverse风格，用dplyr的分组汇总：

library(dplyr)

data_t %>%
  group_by(Cohort) %>%
  summarise(across(G1:G4, mean))

得到的结果和上面一致。

关于if()报错的原因 #

你用if(data$cohort ==1)报错是因为data$cohort ==1返回的是一个长度大于1的布尔向量（每个样本对应一个TRUE/FALSE），而**if()只能处理长度为1的条件**。如果要对每个元素做判断，应该用ifelse()，但这里更适合用分组聚合的方法，比逐个判断高效得多。

内容的提问来源于stack exchange，提问作者Ankita