如何在R中同时汇总多列 实现按Sample ID合并基因计数表冗余行

方案1：tidyverse（dplyr）方案（代码易读，适配常规数据量） #

你当前数据里的缺失值用-表示，需要先转换为NA并转为数值型才能正常求和，之后用across()函数批量处理所有基因列，无需手动逐列编写代码：

# 加载依赖包
library(tidyverse)

# 1. 数据预处理：替换所有基因列的'-'为NA并转为数值格式
processed_df <- data.wide.df %>%
  mutate(across(!SampleId, ~as.numeric(ifelse(. == "-", NA, .))))

# 2. 按SampleID分组，批量对所有基因列求和
dfwide <- processed_df %>%
  group_by(SampleId) %>%
  summarise(across(everything(), ~sum(., na.rm = TRUE)))

• 代码说明：across(!SampleId)表示选中除SampleId外的所有列，哪怕有上万个基因列也可以自动适配。

方案2：data.table方案（运行速度更快，适配超大数据量） #

如果你的数据量极大，用data.table可以获得更高的运行效率：

library(data.table)
# 转换为data.table格式
setDT(data.wide.df)

# 预处理：替换所有基因列的'-'为NA并转数值
gene_cols <- setdiff(names(data.wide.df), "SampleId")
data.wide.df[, (gene_cols) := lapply(.SD, function(x) as.numeric(ifelse(x == "-", NA, x))), .SDcols = gene_cols]

# 分组汇总所有基因列
dfwide <- data.wide.df[, lapply(.SD, sum, na.rm = TRUE), by = SampleId]

注意事项 #

• 如果你的原始数据中-已经默认替换为NA且基因列本身就是数值型，可以直接跳过预处理步骤，直接执行分组汇总代码即可。
• 若你的原始数据是三列长结构（列名分别为SampleId、基因名、计数），可以直接用pivot_wider(names_from = 基因名, values_from = 计数)一步完成转换。

内容的提问来源于stack exchange，提问作者skabir