R语言中按Protein.ID合并Version列并解决键重复错误

首先来解释你遇到的错误：

Error: Each row of output must be identified by a unique combination of keys. Keys are shared for 5311 rows:

这个错误的核心原因是：你使用的分组/转换操作依赖的键（比如你用的Protein.ID）无法唯一确定输出行。具体来说：

• 用spread()时，这个函数的作用是把列的取值转成新的列（比如把Version 1.1和1.2变成两列），但你的数据中同一个Protein.ID对应多个Version值，导致spread无法为每个Protein.ID生成唯一的一行，因此报错。
• 你之前的summarise和aggregate只按Protein.ID分组，如果你的实际数据里存在同一个Protein.ID对应不同Protein name的情况，或者分组时没把Protein name纳入（毕竟它和Protein.ID是一一对应的），就会导致分组内的行无法被唯一标识，触发相同的错误。

接下来是针对你需求的正确解决方案：
你的目标是把同一个蛋白（对应唯一的Protein.ID和Protein name）的所有Version合并成逗号分隔的字符串，同时去重，所以需要同时按Protein.ID和Protein name分组，再合并Version。

方案1：使用dplyr（tidyverse） #

library(dplyr)

# 假设你的原始数据框名为allver.ids
allver.mergeVerID <- allver.ids %>%
  # 同时按Protein.ID和Protein name分组，确保每组是唯一的蛋白
  group_by(Protein.ID, `Protein name`) %>%
  # 先对Version去重，再用toString合并成逗号分隔的字符串
  summarise(Version = toString(unique(Version)),
            .groups = "drop")  # 合并后取消分组状态

方案2：使用base R #

如果你不想加载额外包，用base R的aggregate也能实现：

allver.mergeVerID <- aggregate(Version ~ Protein.ID + `Protein name`,
                               data = allver.ids,
                               # 自定义函数：去重后合并
                               FUN = function(x) toString(unique(x)))

验证示例数据 #

用你给出的简化测试数据：

allver.ids <- data.frame(
  Version = c("1.1", "1.2", "1.1", "1.2"),
  Protein.ID = c("A", "A", "B", "B"),
  `Protein name` = c("name 1", "name 1", "name 2", "name 2")
)

运行上面的代码后，会得到你期望的结果：

另外补充一点：如果你之前用paste时没去重，是因为直接用paste(..., collapse = ", ")不会自动去重，加上unique()就能解决重复Version的问题。

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