R语言如何按样本分组汇总neoantigen计数数据
R实现按样本维度的neoantigen计数汇总
你的需求核心是对长表格式的neoantigen计数数据做分组聚合:以Sample列作为分组键,对同一样本下的所有行,分别计算Total、Total_WB、Total_SB三个数值列的总和,最终将5940行原始数据压缩为27行的样本级汇总表。以下是3种可直接落地的实现方案:
方案1:Base R 原生实现,无额外依赖
不需要安装第三方包,加载后即可运行:
# 假设原始读入的数据框名为 neo_data agg_result <- aggregate( # 指定需要求和的三个数值列 cbind(Total, Total_WB, Total_SB) ~ Sample, data = neo_data, FUN = sum, na.rm = TRUE # 自动跳过列中的缺失值计算总和 )
运行后输出的结果结构完全匹配要求:每行对应1个独立样本,三列为对应样本的总计数汇总值。
方案2:dplyr 实现,适配常规数据清洗流程
属于tidyverse生态的常用写法,后续衔接筛选、重命名等操作更顺畅:
# 加载dplyr包 library(dplyr) agg_result <- neo_data %>% # 按样本字段分组 group_by(Sample) %>% # 逐列计算汇总值 summarise( Total = sum(Total, na.rm = TRUE), Total_WB = sum(Total_WB, na.rm = TRUE), Total_SB = sum(Total_SB, na.rm = TRUE), # 计算完成后自动解除分组状态,避免后续操作出现逻辑错误 .groups = "drop" )
如果需要减少重复代码,可以用across批量指定需要汇总的列:
批量列简化写法:
agg_result <- neo_data %>% group_by(Sample) %>% summarise( across(c(Total, Total_WB, Total_SB), ~sum(.x, na.rm = TRUE)), .groups = "drop" )
方案3:data.table 实现,高效适配大体量数据
运行速度快,即使数据量提升几个数量级也能快速完成计算:
# 加载data.table包 library(data.table) # 将普通数据框转换为data.table格式 setDT(neo_data) agg_result <- neo_data[, # 定义需要汇总计算的列 .( Total = sum(Total, na.rm = TRUE), Total_WB = sum(Total_WB, na.rm = TRUE), Total_SB = sum(Total_SB, na.rm = TRUE) ), # 分组字段为Sample by = Sample ]
结果注意事项
跑完别直接拿结果往下用,先做两个基础排查,避免踩常见的坑:
- 第一时间看
nrow(agg_result)的输出值,正常应该是27,和统计的独立样本数一致 - 如果输出行数比27多,优先检查样本名的异常:比如同一样本名带了前后空格、大小写混写,这类问题会让原本属于同一个组的样本被拆成多个分组,直接跑
unique(neo_data$Sample)就能把所有分组后的样本名列出来挨个核对 - 可以随机挑1个样本,用subset把该样本的原始行筛出来手动算一遍三个列的和,和汇总结果对一下,确认计算逻辑没出错
内容的提问来源于stack exchange,提问作者Mussa
相关产品推荐
相关产品推荐

