R语言求助：如何筛选列表中各数据框的独有基因名？

你的代码失效的核心原因是：read.table读取的结果是数据框，而setdiff在对比数据框和向量时，类型不匹配导致逻辑出错。解决思路是先把每个数据框转换成字符向量，再执行集合差运算。

修正方案1：读取时直接转为向量 #

读取文件时就把单列数据框提取为字符向量，避免后续类型转换：

temp = list.files(pattern = "*.txt")
# 读取后直接取第一列转为字符向量
myfiles = lapply(temp, function(x) {
  read.table(x, header = FALSE, stringsAsFactors = FALSE)[[1]]
})

# 计算每个文件的独有基因
unique.genes = lapply(seq_along(myfiles), function(n) {
  setdiff(myfiles[[n]], unlist(myfiles[-n]))
})

修正方案2：对已读取的数据框做转换 #

如果已经完成文件读取，可先将列表中的数据框批量转为向量：

# 将每个数据框转为字符向量
myfiles_vec = lapply(myfiles, function(df) as.character(df[[1]]))

# 计算独有基因
unique.genes = lapply(seq_along(myfiles_vec), function(n) {
  setdiff(myfiles_vec[[n]], unlist(myfiles_vec[-n]))
})

高效备选方案（多文件场景） #

当文件数量较多时，先统计所有基因的跨文件出现次数，再筛选独有基因，效率更高：

# 转换为向量列表（如果还没转的话）
myfiles_vec = lapply(myfiles, function(df) as.character(df[[1]]))

# 合并所有基因并标记来源文件
all_genes = do.call(rbind, lapply(seq_along(myfiles_vec), function(n) {
  data.frame(gene = myfiles_vec[[n]], file_id = n, stringsAsFactors = FALSE)
}))

# 统计每个基因出现在多少个文件中
gene_file_count = table(all_genes$gene)
# 筛选仅在单个文件出现的基因
single_file_genes = names(gene_file_count[gene_file_count == 1])

# 为每个文件提取对应的独有基因
unique.genes = lapply(myfiles_vec, function(gene_list) {
  gene_list[gene_list %in% single_file_genes]
})

测试你的示例数据，方案1/2会返回：

• 第一个文件的独有基因：SCA-6_Chr1v1_00004、SCA-6_Chr1v1_00005、SCA-6_Chr1v1_00010、SCA-6_Chr1v1_00015、SCA-6_Chr1v1_00017
• 第二个文件的独有基因：SCA-6_Chr1v1_00007、SCA-6_Chr1v1_20005、SCA-6_Chr1v1_00200、SCA-6_Chr1v1_10075、SCA-6_Chr1v1_00100

内容的提问来源于stack exchange，提问作者Patrick Thomas