在R语言中筛选列值非空且保留唯一Gene_ID行的方法

需求说明 #

处理包含ID、Gene_ID、Value列的数据框，需完成：

• 保留Value非空的行
• 排除Gene_ID为空的行
• 每个Gene_ID仅保留一行

示例数据构建 #

import pandas as pd

# 构建示例数据框
data = {
    'ID': [6, 7, 8, 9],
    'Gene_ID': ['26470', '10878', '', '26470'],
    'Value': [1.137318, -1.051181, -1.316229, -1.015734]
}
df = pd.DataFrame(data)

处理步骤 #

1. 基础筛选

先过滤掉Value为空或Gene_ID为空的行：

# 筛选条件：Value非空 且 Gene_ID不为空字符串
filtered_df = df[(df['Value'].notna()) & (df['Gene_ID'] != '')]

2. 按Gene_ID去重

保留每个Gene_ID第一次出现的行（若需保留其他逻辑，如最值行可调整）：

# 按Gene_ID去重，保留首个匹配行
result_df = filtered_df.drop_duplicates(subset='Gene_ID', keep='first')

结果输出 #

执行后得到期望结果：

print(result_df)

输出：

ID Gene_ID     Value
0   6   26470  1.137318
1   7   10878 -1.051181

可选扩展：按特定规则保留行 #

如果需要保留每个Gene_ID对应Value最大/最小的行，可使用分组操作：

# 保留每个Gene_ID中Value最大的行
result_df = filtered_df.groupby('Gene_ID', as_index=False).apply(lambda x: x.loc[x['Value'].idxmax()])

内容的提问来源于stack exchange，提问作者F_Keikha