R语言：如何按GeneFunction分组筛选数据框的目标行？

核心思路 #

用dplyr包的分组操作可以轻松实现你的需求，避免复杂且容易出错的for循环。先按基因功能组分组，计算每组的最高覆盖率，再筛选符合条件的行。

步骤1：安装并加载dplyr包 #

如果你还没安装过dplyr，先运行安装命令：

install.packages("dplyr")

然后加载包：

library(dplyr)

步骤2：读取数据（保留你的原有代码） #

sample <- read.csv("Ksg_3Q_vs_NDCsharedSupplemented_T60_Top_Newannot.csv")

步骤3：实现需求a+b（保留最高值及高于其90%的行） #

filtered_sample <- sample %>%
  # 按TreatmentGeneFuncion分组
  group_by(TreatmentGeneFuncion) %>%
  # 给每组新增一列，记录该组的Shared_NDC_Coverage最大值（na.rm处理缺失值）
  mutate(max_coverage = max(Shared_NDC_Coverage, na.rm = TRUE)) %>%
  # 筛选出覆盖率≥最大值90%的行（包含最大值本身）
  filter(Shared_NDC_Coverage >= 0.9 * max_coverage) %>%
  # 取消分组，恢复普通数据框格式
  ungroup()

步骤4：单独实现需求a（仅保留每组最高值的行） #

如果只需要每组中覆盖率最高的行，用这段代码：

max_only_sample <- sample %>%
  group_by(TreatmentGeneFuncion) %>%
  filter(Shared_NDC_Coverage == max(Shared_NDC_Coverage, na.rm = TRUE)) %>%
  ungroup()

你的原有代码问题说明 #

• for循环逻辑错误：which.max(sample$Shared_NDC_Coverage[a])仅针对单个值取位置（结果永远是1），且赋值给sample[a]会把整行替换成数字，完全不符合筛选需求；
• distinct()函数只是保留每组的第一行，而非最大值对应的行，因此无法实现筛选最高值的目的。

内容的提问来源于stack exchange，提问作者merinakzo