R语言如何按分组基于另一列条件计算单列数值差值

现有代码问题说明 #

1. 列名拼写错误：你代码中写的abunance少了字母d，正确列名是abundance
2. 索引取值缺少长度控制：如果分组内对应时间点的记录缺失，或者有重复记录，直接用[ ]索引会返回长度不等于1的向量，mutate执行时会报错。

方案1：原有分组逻辑修正版 #

添加first()函数提取每个分组内的匹配值，缺失时自动返回NA：

IgH_CDR3_post_challenge_unique_vv <- IgH_CDR3_post_challenge_unique_v %>% 
  group_by(gene) %>% 
  mutate(increase_in_abundance = first(abundance[Timepoint == 'C1']) - first(abundance[Timepoint == 'C0'])) %>% 
  ungroup() 

方案2：宽表转换计算（更易排查问题） #

先把时间点从行转成列，直接对列做减法，逻辑更直观：

library(tidyr)
library(dplyr)

IgH_CDR3_post_challenge_unique_vv <- IgH_CDR3_post_challenge_unique_v %>%
  # 时间点转成列，值取对应abundance
  pivot_wider(names_from = Timepoint, values_from = abundance) %>%
  # 直接计算差值，缺失时间点的记录差值自动为NA
  mutate(increase_in_abundance = C1 - C0) %>%
  # 若不需要保留长表格式可删除下面这行
  pivot_longer(cols = c(C0, C1), names_to = "Timepoint", values_to = "abundance", values_drop_na = TRUE)

特殊场景处理 #

如果存在同一个基因同一个时间点有多条记录的情况，可以先做聚合再计算：

IgH_CDR3_post_challenge_unique_v %>%
  group_by(gene, Timepoint) %>%
  # 这里用sum求和，也可以根据需求换为mean取均值
  summarise(abundance = sum(abundance), .groups = "drop_last") %>%
  mutate(increase_in_abundance = first(abundance[Timepoint == 'C1']) - first(abundance[Timepoint == 'C0'])) %>%
  ungroup()

计算效果说明 #

以你提供的样例数据为例，计算后：

• 基因1的increase_in_abundance值为1（6-5）
• 仅存在C1记录的基因2、仅存在C0记录的基因3，差值为NA

内容的提问来源于stack exchange，提问作者Chinemerem