如何将数据转换为少行多列格式？以SampleID作为列名

嘿，这个需求太常见了！我处理TCGA miRNA表达数据时经常要做这种长转宽的操作，给你几个实用的实现方法，都是生信圈里常用的工具：

R 实现（tidyverse 包，简洁易读） #

这是我平时最常用的方式，代码逻辑清晰，新手也容易上手：

# 先加载tidyverse工具包
library(tidyverse)

# 假设你的原始数据存储在名为raw_data的数据框中
wide_data <- raw_data %>%
  pivot_wider(
    names_from = SampleId,  # 指定要转为列名的字段：SampleId
    values_from = x         # 指定填充到列中的值：x列的表达量
  )

转完之后，miRNA_ID会自动作为行标识，每一列对应一个样本的表达值，完全匹配你想要的格式。

R 实现（data.table 包，大数据友好） #

如果你的样本量特别大（比如上千个TCGA样本），data.table的运算速度会比tidyverse快很多，适合处理超大数据集：

library(data.table)

# 先把普通数据框转为data.table格式
setDT(raw_data)

# 使用dcast完成长转宽
wide_data <- dcast(raw_data, miRNA_ID ~ SampleId, value.var = "x")

这里的语法是行变量 ~ 列变量，value.var指定用来填充的数值列，非常高效。

Python 实现（pandas 库） #

如果习惯用Python做数据分析，pandas的pivot方法也能轻松搞定：

import pandas as pd

# 假设原始数据存储在df中
wide_df = df.pivot(
    index='miRNA_ID',    # 行标识：miRNA_ID
    columns='SampleId',  # 转为列名的字段：SampleId
    values='x'           # 填充列的值：表达量x
).reset_index()

reset_index()会把miRNA_ID从索引变回普通列，和你想要的输出格式完全一致。

如果转完之后存在缺失值（比如某个miRNA在部分样本中没有检测到），可以根据需求用replace_na(0)（R）或者fillna(0)（Python）来填充为0，或者保留空值。

内容的提问来源于stack exchange，提问作者Dr.Napoleon