R语言如何基于列表批量创建多个子集化data frame

• 存在多余嵌套循环：外层遍历GO条目时，内层重复遍历已存储的全部基因集，每次筛选都调用了累计的全量基因列表，而非当前GO条目对应的独立基因集
• 筛选逻辑索引错误：unlist(genelist) 会把所有已存储的基因合并成一个向量做匹配，无法按单个GO条目拆分数据
• dplyr的filter函数默认不识别数据框行名，直接用rownames(norm)做筛选条件容易出现行对齐错位

方法1：逻辑清晰的for循环写法 #

library(dplyr)

# 初始化存储对象
gene_set_list <- list()
count_subset_list <- list()

for (i in seq_len(nrow(resGO))) {
  # 拆分当前GO条目对应的基因ID，转为一维字符向量
  current_gene_set <- strsplit(resGO$geneID[i], split = "/")[[1]]
  gene_set_list[[i]] <- current_gene_set
  
  # 行名转列做筛选，避免行名匹配错位
  count_subset_list[[i]] <- norm %>%
    tibble::rownames_to_column("ensembl_id") %>%
    filter(ensembl_id %in% current_gene_set) %>%
    tibble::column_to_rownames("ensembl_id")
}

# 为列表元素命名，对应GO功能条目
names(gene_set_list) <- resGO$GO
names(count_subset_list) <- resGO$GO

# 如需生成独立数据框对象，直接按索引提取即可
df1 <- count_subset_list[[1]] # 对应biotic条目，共3行
df2 <- count_subset_list[[2]] # 对应defense条目，共2行
df3 <- count_subset_list[[3]] # 对应hormone条目，共4行

方法2：简洁的lapply向量化写法 #

无需嵌套循环，直接批量生成结果：

count_subset_list <- lapply(strsplit(resGO$geneID, split = "/"), \(gene_ids) {
  norm[rownames(norm) %in% gene_ids, ]
})
names(count_subset_list) <- resGO$GO

运行以下命令可直接查看每个子集的行数，确认符合预期：

sapply(count_subset_list, nrow)

预期输出：

biotic defense hormone 
     3       2       4 

内容的提问来源于stack exchange，提问作者Dswede43