如何基于列表每行内容提取字符？按基因汇总对应样本信息

我来帮你搞定这个需求！你现在有一个包含多个样本数据框的列表，每个数据框里记录了对应样本的基因，想要整理出每个基因出现在哪些样本里，对吧？

你的原始数据 #

先把你的数据定义再明确一下，方便后续操作：

list1 = list(data.frame("Gene" = c("A","B","C","D","E"), "Sample" = "S1"), 
             data.frame("Gene" = c("B","C","D","F","G"), "Sample" = "S2"), 
             data.frame("Gene" = c("A","C","D","E","F"), "Sample" = "S3"))
names(list1) = c("S1","S2","S3")

方法一：基础R实现（无需额外包） #

这个方法不用装任何额外包，用原生R函数就能搞定：

1. 先把列表里的所有数据框合并成一个完整的数据框
2. 按基因分组，提取对应的样本名称

代码如下：

# 合并所有数据框
combined_df <- do.call(rbind, list1)
# 按Gene分组，获取每个基因对应的Sample列表
gene_to_samples <- split(combined_df$Sample, combined_df$Gene)

# 查看结果
gene_to_samples

运行后就能得到你想要的输出：

$A
[1] "S1" "S3"

$B
[1] "S1" "S2"

$C
[1] "S1" "S2" "S3"

$D
[1] "S1" "S2" "S3"

$E
[1] "S1" "S3"

$F
[1] "S2" "S3"

$G
[1] "S2"

方法二：用tidyverse工具包（更直观易读） #

如果你平时习惯用tidyverse系列的包（比如dplyr），可以试试这个更简洁的写法：

library(tidyverse)

gene_to_samples <- list1 %>%
  bind_rows(.id = "Sample") %>%  # 合并时自动保留样本名称
  group_by(Gene) %>%
  summarise(Samples = list(Sample)) %>%  # 为每个基因汇总样本列表
  deframe()  # 转换成你需要的命名列表格式

运行结果和上面完全一致，而且代码逻辑更清晰，适合处理更复杂的数据场景。

补充说明 #

你提到“列表内无重复Gene”，所以上面的代码里不需要额外去重操作；如果之后遇到有重复基因的情况，只需要把summarise里的Sample改成unique(Sample)就可以啦。

内容的提问来源于stack exchange，提问作者kin182