按ID统计foldChange区间频次的R代码问题排查

我来帮你搞定这个统计问题～你遇到的核心问题是第二次调用summarize()时没有使用分组后的子集数据，而是直接引用了原始数据集df$foldChange，这就导致统计结果变成了整个数据集的汇总，而非每个ID分组内的统计。

错误原因分析 #

你原来的代码里，第一次group_by(ID)后用summarise(n = n())得到了每个ID的总数量，但紧接着的第二个summarize()里，你用了df$foldChange——这会直接跳过分组，拉取整个原始数据集的foldChange列进行计算，所以结果是全局统计值，不是分组后的结果。

正确代码实现 #

只需要在同一个summarise()步骤里完成所有统计即可，利用分组后的上下文直接引用foldChange列，就能得到每个ID的区间数量：

library(dplyr)

# 假设你的数据集是df
result_df <- df %>% 
  group_by(ID) %>% 
  summarise(
    n = n(),
    up = sum(foldChange >= 2.5, na.rm = TRUE),  # foldChange大于等于2.5的数量
    down = sum(foldChange <= -2.5, na.rm = TRUE),  # foldChange小于等于-2.5的数量
    nosig = sum(between(foldChange, -2.5, 2.5), na.rm = TRUE)  # 介于-2.5和2.5之间的数量
  )

print(result_df)

结果验证 #

运行这段代码后，你会得到和期望完全一致的输出：

额外小提示 #

• 加上na.rm = TRUE是为了处理数据中可能存在的缺失值，避免统计结果出现NA；
• 使用dplyr::between()函数可以让“介于两者之间”的条件判断更简洁易读。

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