如何将嵌套dataframe组成的列表转换为基于共有值的计数矩阵

R实现方案 #

方法1：基础R实现（无需安装额外包） #

# 获取所有分组名和去重后的全部基因名
all_groups <- names(list1)
all_genes <- unique(unlist(lapply(list1, function(x) x[[1]])))

# 初始化行列名匹配的全0计数矩阵
count_matrix <- matrix(
  0, 
  nrow = length(all_groups), 
  ncol = length(all_genes),
  dimnames = list(all_groups, all_genes)
)

# 遍历分组，将存在的基因对应位置赋值为1
for (group_name in all_groups) {
  target_genes <- list1[[group_name]][[1]]
  count_matrix[group_name, target_genes] <- 1
}

方法2：tidyverse风格实现 #

library(tidyverse)

all_groups <- names(list1)
all_genes <- unique(unlist(lapply(list1, function(x) x[[1]])))

count_matrix <- imap_dfr(list1, ~ tibble(group = .y, gene = .x[[1]])) %>%
  # 标记存在的基因为1
  mutate(value = 1) %>%
  # 补全所有分组和基因的组合，缺失值填0
  complete(group = all_groups, gene = all_genes, fill = list(value = 0)) %>%
  # 转为宽表
  pivot_wider(names_from = gene, values_from = value) %>%
  # 分组名设为行名，转为矩阵格式
  column_to_rownames("group") %>%
  as.matrix()

运行上述任意一种代码得到的count_matrix即为你需要的计数矩阵，包含空分组METCC的全0行。如果需要基因列按字母排序，只需要在获取all_genes时加一步排序：

all_genes <- sort(unique(unlist(lapply(list1, function(x) x[[1]]))))

内容的提问来源于stack exchange，提问作者Krutik