如何基于独立dataframe的列信息向新dataframe的行中添加数据

以下两种方案都可以完全避免嵌套for循环，运算效率远高于手动遍历匹配：

方案1：tidyverse 实现（可读性高） #

适合中小规模数据集，代码逻辑清晰易维护

# 加载依赖包
library(tidyverse)

# 批量读取+处理所有表达文件
output_df <- list.files(data_dir, full.names = TRUE) %>%
  map(function(file_path) {
    # 读取单份制表符分隔的表达数据
    read_tsv(file_path, show_col_types = FALSE) %>%
      # 统一前两列列名，避免不同文件列名不一致的问题
      rename_with(~c("Gene", "expression"), everything()) %>%
      # 转为宽表，基因名做列名，表达量做值
      pivot_wider(names_from = Gene, values_from = expression)
  }) %>%
  # 按行合并所有样本的表达数据，缺失基因自动填充NA
  bind_rows() %>%
  # 保留预先定义的output_df的所有列，顺序和原output_df完全一致
  select(all_of(colnames(output_df)))

方案2：data.table 实现（运行速度极快） #

适合大样本、大数据量场景，运算效率比tidyverse高3-10倍

# 加载依赖包
library(data.table)

# 获取所有文件路径
file_paths <- list.files(data_dir, full.names = TRUE)

# 批量读取、处理、合并数据
merged_dt <- rbindlist(lapply(file_paths, function(p) {
  # 快速读入文件
  dt <- fread(p)
  # 统一列名
  setnames(dt, c("Gene", "expression"))
  # 转为宽表
  dcast(dt, . ~ Gene, value.var = "expression")[, !"."]
}), fill = TRUE)

# 匹配原output_df的列顺序和列范围，转回data.frame格式（不需要的话可以省略setDF）
output_df <- setDF(merged_dt[, .SD, .SDcols = colnames(output_df)])

注意事项 #

• 读取无表头文件时，需要在read_tsv/fread中添加header = FALSE参数
• 需确保预先定义的output_df列名和各表达文件中的基因名拼写、大小写完全一致，否则会识别为缺失值填充NA
• 如果需要保留每个样本的来源文件名，可以在处理单文件时加一列dataset = basename(file_path)即可

内容的提问来源于stack exchange，提问作者JVDeasyas123