如何将列内的峰位值转为列名，用dplyr/tidyr生成0/1峰存在矩阵？

核心转换流程 #

通过两个标准tidyr函数即可完成全流程转换，自动保留物种与峰位的对应关系，不会残留肽段列信息：

• 一次性将所有肽段格式的列值拉成长表，剔除空值
• 基于长表结构转宽表，自动生成0/1存在性标记

可直接复现的代码 #

首先加载依赖包，构造与示例完全一致的参考数据库：

library(tidyverse)

ref_db <- tibble(
  Species = c("cow", "sheep", "goat"),
  peptide1 = c(1110, 1111, NA),
  peptide2 = c(1112, 1112, 1113),
  peptide3 = c(NA, NA, 1114)
)

全流程链式转换代码：

ref_result <- ref_db |>
  # 把所有peptide开头的肽段列转为长格式，丢弃肽段列名，只保留峰位值
  pivot_longer(
    cols = starts_with("peptide"),
    names_to = NULL,
    values_to = "peak_pos"
  ) |>
  # 删除无峰位的空值行
  drop_na(peak_pos) |>
  # 给存在的峰位赋值1，作为二进制标记的基础
  mutate(peak_present = 1) |>
  # 转宽表：以Species为行标识，峰位为列名，缺失值自动补0
  pivot_wider(
    id_cols = Species,
    names_from = peak_pos,
    values_from = peak_present,
    values_fill = 0
  )

结果对齐调整 #

转换完成后如果需要和现有样本数据集的列顺序完全匹配，只需按样本的峰位顺序调整列即可：

# 替换为实际样本里的峰位列顺序
sample_peak_order <- c(1110, 1111, 1112, 1113, 1114)
ref_result_final <- ref_result |>
  select(Species, all_of(as.character(sample_peak_order)))

转换后的结果和示例中的期望输出完全一致。

适配说明 #

• 流程中使用的pivot_wider即提到的spread的新版替代函数，对多列批量场景的支持更完善，无需手动逐列处理即可适配所有肽段列。
• 整个转换过程自动保留物种与峰位的原始对应关系，不存在映射错配。
• 无需手动拆分长表/宽表，两个pivot函数即可完成全流程转换，全程不会保留肽段列的冗余信息。

内容的提问来源于stack exchange，提问作者Mulligan