如何melt矩阵数据以绘制fragment与value对应barplot

什么是数据熔解（melting data） #

你提到的"melting data"是数据重塑里宽转长操作的俗称，最早来自reshape2包的melt()函数，现在tidyverse生态里用pivot_longer()实现等价功能。
核心逻辑：你当前的tibble是宽格式——同一行横向存储了最多3组fragment-value配对，绘图工具无法直接识别这种横向排布的多组指标；熔解后会变成每一行只对应1组有效的fragment-value观测的长格式，自动丢弃值为NA的无效配对，这就是ggplot等工具要求的标准输入结构。

熔解完成后的目标数据结构如下：

# A tibble: 3 × 3
     ID fragment value
  <dbl>    <dbl> <dbl>
1     1       50    90
2     1       45    10
3     2       50   100

操作步骤 #

不需要手动修改原始矩阵，直接用以下代码完成数据重塑和绘图：

• 加载依赖包

  library(tidyverse)
  

• 构造示例数据（你实际使用时替换为自己的tibble即可）

  df <- tibble(
    ID = c(1,2),
    fragment1 = c(50,50),
    value1 = c(90,100),
    fragment2 = c(45, NA),
    value2 = c(10, NA),
    fragment3 = c(NA, NA),
    value3 = c(NA, NA)
  )
  

• 执行熔解操作，得到绘图用的长表

  df_long <- df |> 
    pivot_longer(
      cols = -ID,
      # 自动把列名拆成指标名（fragment/value）和组号两部分
      names_to = c(".value", "group"),
      names_pattern = "(fragment|value)(\\d+)"
    ) |> 
    # 过滤掉含NA的无效观测行
    drop_na()
  

• 直接调用ggplot绘制fragment vs value主题的条形图

  ggplot(df_long, aes(x = factor(fragment), y = value, fill = factor(ID))) +
    geom_col(position = "dodge") +
    labs(x = "fragment", y = "value", fill = "样本ID")
  

  如果不需要按ID分组区分条形，移除fill参数、调整position参数即可。

内容的提问来源于stack exchange，提问作者point618