R语言按列名归属合并列：基于物种-科属关系汇总丰度

嗨，这个需求我之前做微生物组数据分析时经常碰到，用Pandas几行代码就能完美解决！下面一步步给你讲清楚怎么实现：

先明确数据结构（附示例） #

假设你的df1是样本×物种的丰度表，df2是物种到科属的映射表，先模拟一组数据方便理解：

import pandas as pd

# 示例：样本-物种丰度表
df1 = pd.DataFrame({
    'Sp1': [0.1, 0.2, 0.3],
    'Sp3': [0.05, 0.15, 0.25],
    'Sp6': [0.2, 0.1, 0.05],
    'Sp2': [0.3, 0.2, 0.1],
    'Sp4': [0.15, 0.25, 0.35]
}, index=['Sample1', 'Sample2', 'Sample3'])

# 示例：物种-科属映射表（把物种设为索引，方便后续匹配）
df2 = pd.DataFrame({
    'Species': ['Sp1', 'Sp3', 'Sp6', 'Sp2', 'Sp4'],
    'Family': ['Fam1', 'Fam1', 'Fam1', 'Fam2', 'Fam2']
}).set_index('Species')

核心实现代码 #

只需要一行关键代码，就能完成按科属分组求和，自动丢弃原物种列：

# 按科属对df1的列分组求和，axis=1表示操作列维度
df3 = df1.groupby(df2['Family'], axis=1).sum()

运行后df3就是你要的样本×科属总丰度表，示例输出如下：

关键注意事项 #

• 物种名必须完全匹配：df2里的物种名称要和df1的列名完全一致（包括大小写、空格、特殊字符），不然会导致部分物种无法匹配被忽略。如果有不匹配的情况，可以先做数据清洗，比如用str.strip()去除空格、统一大小写。
• 处理不匹配的物种：如果df1有df2没收录的物种，或者反过来，分组时会自动跳过不匹配的部分。如果需要保留这些物种（比如归为“未知科属”），可以先给df2补全映射，或者用fillna设置默认分组。
• 扩展到多级分类：如果你的分类层级更多（比如门、纲、目），只需要把groupby的依据换成对应的列就行，比如df1.groupby(df2['Order'], axis=1).sum()。

内容的提问来源于stack exchange，提问作者ayesha