R环境下基于plumber API合并study_id关联不同长度子表的实现方法

核心失效原因 #

• 你调用的基础包merge()函数仅支持逐次合并两个数据表，无法直接传入8个关联表完成批量合并，函数会忽略x和y之外的其余表参数，自然无法生成预期合并结果
• 未处理一对多关联的行数匹配问题：部分子表和主表是一对多关系（单study_id对应多条国家、平台、技术记录），盲目无预处理的全连接会生成无效笛卡尔积，导致行数错乱、内容错位

可直接适配plumber接口的实现代码 #

核心逻辑为以主表studies@studies为数据基底，针对行数不匹配的一对多子表（如两类国家关联表）先做预聚合，再逐次基于公共主键study_id做左连接，最终生成单行对应一个study的宽表结构。

library(plumber)
library(tibble)
library(gwasrapidd)
library(dplyr)
library(purrr)

#* @get /Studies 
detailData <- function(query = ""){
  print(query)
  studies <- get_studies(efo_trait = query)
  
  # 提取所有关联子表
  study_main <- studies@studies
  publication_tbl <- studies@publications
  genotyping_techs <- studies@genotyping_techs
  platforms <- studies@platforms 
  ancestries <- studies@ancestries
  ancestral_groups <- studies@ancestral_groups
  countries_of_origin <- studies@countries_of_origin
  countries_of_recruitment <- studies@countries_of_recruitment

  # 预聚合工具函数：将同study_id下的一对多记录拼接为单值，避免合并时行数膨胀
  aggregate_multi_rows <- function(tbl, key = "study_id"){
    tbl |> 
      group_by(across(all_of(key))) |> 
      summarise(
        across(everything(), ~ paste(na.omit(unique(.x)), collapse = ", ")),
        .groups = "drop"
      )
  }

  # 对一对多的子表做预聚合，解决行数不匹配问题
  agg_geno <- aggregate_multi_rows(genotyping_techs)
  agg_plat <- aggregate_multi_rows(platforms)
  agg_ancestry <- aggregate_multi_rows(ancestries)
  agg_anc_group <- aggregate_multi_rows(ancestral_groups)
  agg_c_origin <- aggregate_multi_rows(countries_of_origin)
  agg_c_recruit <- aggregate_multi_rows(countries_of_recruitment)

  # 逐次完成表连接，保留主表所有study记录
  merged_result <- study_main |> 
    left_join(publication_tbl, by = "study_id") |> 
    left_join(agg_geno, by = "study_id") |> 
    left_join(agg_plat, by = "study_id") |> 
    left_join(agg_ancestry, by = "study_id") |> 
    left_join(agg_anc_group, by = "study_id") |> 
    left_join(agg_c_origin, by = "study_id") |> 
    left_join(agg_c_recruit, by = "study_id")

  # 直接返回结果，plumber会自动序列化为前端可读取的JSON格式
  return(merged_result)
}

逻辑说明 #

• 针对countries_of_origin_table、countries_of_recruitment_table这类行数不匹配的子表，预聚合步骤会将同一个study_id下的多条记录合并为单条，拼接为逗号分隔的字符串，彻底解决多表连接时的行数错位问题
• 采用左连接逻辑，即便某条子表缺失对应study_id的记录，也会自动填充空值，不会丢失主表的核心study数据

如果业务场景需要保留原始一对多的明细行、不做多值聚合，可跳过预聚合步骤，直接传入原始子表逐次左连接即可，但需注意跨多对多子表连接时会生成笛卡尔积，需提前确认该逻辑是否符合业务预期。

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