You need to enable JavaScript to run this app. R语言如何按样本分组汇总neoantigen计数数据
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.13 06:06:04