使用pivot_longer将GVCF样本及基因型多列数据转为长表的问题

解决方案 #

你可以通过先统一重命名非固定列、再做长宽转换的方式实现需求，该方案不受真实数据集不规则列名的影响，且属于向量化操作，处理大体积数据的效率远高于手动写for循环。

操作代码

library(tidyverse)

# 设定前4列为公共固定字段
fixed_col_index <- 1:4
# 提取非固定列的索引
unfixed_col_index <- setdiff(seq_len(ncol(df)), fixed_col_index)
# 按成对顺序给非固定列重命名：奇数位为样本名列、偶数位为基因型列
pair_num <- length(unfixed_col_index) %/% 2
new_unfixed_colnames <- paste0(rep(c("sample_name_", "genotype_"), pair_num), rep(seq_len(pair_num), each = 2))
colnames(df)[unfixed_col_index] <- new_unfixed_colnames

# 一键转换为目标长表格式
result_df <- df %>%
  pivot_longer(
    cols = -all_of(fixed_col_index),
    names_to = c(".value", "sample_group"),
    names_sep = "_"
  ) %>%
  # 如不需要样本分组序号可删除该列
  select(-sample_group)

逻辑说明

1. 不依赖原始列名匹配规则，仅按照列的位置对成对出现的样本名、基因型列进行统一重命名，完美适配你提到的真实数据不规则samp_id列名的场景。
2. 借助pivot_longer的.value参数直接将成对的列转换为对应的值列，转换后每一行对应一个位点+一个样本的组合，前4列为位点公共信息，后两列依次为样本名称、基因型信息。

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