如何用dplyr的pivot_wider做多列宽转换并同步生成新协变量

操作思路 #

• 拆分原始数据集，分别提取前4行的患者协变量信息，以及第5行及以后的蛋白表达定量数据
• 对协变量表做长宽转换，匹配对应字段名，同时将原Intensity开头的列名设为患者id
• 对蛋白定量表做长宽转换，以基因名作为宽表列名，对应表达量作为列值
• 关联协变量表和蛋白定量表，将表达量列统一转为数值型即可

实现代码 #

# 加载依赖包（dplyr、tidyr均包含在tidyverse套件中）
library(tidyverse)

# 1. 整理患者协变量表
cov_df <- Heat_BT %>%
  slice(1:4) %>% # 提取前4行协变量
  select(-protein, -gene) %>% # 剔除空值的前两列
  # 按行顺序对应协变量字段名，可根据你的实际字段需求修改
  mutate(cov_name = c("lab", "malig", "diag", "group")) %>% 
  pivot_longer(-cov_name, names_to = "id", values_to = "value") %>% 
  pivot_wider(names_from = cov_name, values_from = value)

# 2. 整理蛋白表达量表
protein_df <- Heat_BT %>%
  slice(5:n()) %>% # 提取第5行及以后的所有蛋白定量数据
  select(-protein) %>% # 如需要保留蛋白全称可删除这一行
  pivot_longer(-gene, names_to = "id", values_to = "intensity") %>% 
  pivot_wider(names_from = gene, values_from = intensity) %>% 
  mutate(across(-id, as.numeric)) # 将所有蛋白表达量转为数值格式

# 3. 关联两张表得到最终宽格式结果
final_df <- cov_df %>%
  left_join(protein_df, by = "id")

适配说明 #

上述代码可直接适配你提到的1800行蛋白、60列的全量数据集，无需修改核心逻辑。如果你的数据集除了Intensity开头的患者列外还有其他自定义患者字段，只需在第一步select操作中保留对应列即可。

内容的提问来源于stack exchange，提问作者cmirian