R语言：将基因组内物种基因按全组合实现列转行

嘿，我来帮你搞定这个基因全比对的表格重排问题，先把需求理清楚，再给你具体的实现思路和示例：

• 你手头有两个基因组：OG1 和 OG2，二者包含完全相同的一组物种
• 每个物种在单个基因组里有1个或多个基因，但不同基因组中同一物种的基因数量可能不一样（比如 P.fragile 在OG1里有3个基因，到OG2就只剩2个了）
• 最终目标是重排表格：在单个基因组范围内，把某一物种的每个基因，和其他物种的所有基因逐一配对，每一对都单独占一行

预期输出样式示例（以OG1为例） #

假设OG1里有两个物种：P.fragile（带3个基因：P1、P2、P3）和 A.thaliana（带2个基因：A1、A2），重排后的表格应该是这样的：

如果是多物种的情况（比如再加个 O.sativa 带O1、O2两个基因），那就是每个物种的每个基因，都要和另外两个物种的所有基因分别配对，把所有可能的组合都列出来。

实现思路（用Python Pandas快速搞定） #

假设你的原始数据是长格式表格（像下面这样），用Pandas可以轻松生成所需的配对表格：

原始数据示例 #

代码实现 #

import pandas as pd

# 第一步：加载你的原始数据，这里用示例数据代替
raw_data = pd.DataFrame({
    '基因组': ['OG1', 'OG1', 'OG1', 'OG1', 'OG1'],
    '物种': ['P.fragile', 'P.fragile', 'P.fragile', 'A.thaliana', 'A.thaliana'],
    '基因': ['P1', 'P2', 'P3', 'A1', 'A2']
})

# 第二步：按基因组分组处理，确保每个基因组单独生成配对
final_result = []
for genome_name, genome_data in raw_data.groupby('基因组'):
    # 把每个物种的基因单独拎出来
    species_gene_groups = [group for _, group in genome_data.groupby('物种')]
    # 生成所有物种之间的基因配对（避免重复配对，比如A-B和B-A只保留一组）
    for i in range(len(species_gene_groups)):
        for j in range(i + 1, len(species_gene_groups)):
            # 用笛卡尔积生成所有基因配对
            pair_df = pd.merge(
                species_gene_groups[i].rename(columns={'物种': '物种1', '基因': '基因1'}),
                species_gene_groups[j].rename(columns={'物种': '物种2', '基因': '基因2'}),
                how='cross'
            )
            pair_df['基因组'] = genome_name
            final_result.append(pair_df)

# 第三步：合并所有结果并整理格式
final_table = pd.concat(final_result, ignore_index=True)
final_table = final_table[['基因组', '物种1', '基因1', '物种2', '基因2']]

# 打印结果或者导出成Excel/CSV
print(final_table)
# final_table.to_csv('基因全比对结果.csv', index=False)

这段代码会自动处理多物种、多基因组的情况，输出完全符合你需求的表格。

内容的提问来源于stack exchange，提问作者james