仅当特定列值符号相同时对重复行求均值（条件性处理）

我来帮你搞定这个条件性合并重复行的需求——也就是只在同一gene_id下logFC符号相同的行里，对重复记录求均值，对吧？下面我用两种最常用的数据分析工具（R的tidyverse和Python的Pandas）来实现，你可以根据自己的工作流选择：

R 实现方案（用tidyverse） #

首先我们需要给每个行标记出logFC的符号，把同一个gene_id下符号一致的行归为一组，再对数值列求均值。代码如下：

library(tidyverse)

# 先把你的数据读入成数据框，这里我先模拟你的样本数据
df <- tibble(
  gene_id = c("FBgn0000422", "FBgn0000422", "FBgn0000422", "FBgn0000565", "FBgn0000565", "FBgn0000565"),
  logFC = c(-1.875410209, 1.262578335, -1.55793362, -1.225082505, -0.989958212, -0.947467121),
  logCPM = c(4.429477429, 4.429477429, 4.429477429, 6.984450503, 6.984450503, 6.984450503),
  LR = c(25.16243497, 11.65196417, 18.01707407, 22.91546921, 15.45759475, 14.06298678),
  PValue = c(5.27E-07, 0.000641348, 2.19E-05, 1.69E-06, 8.44E-05, 0.000176789),
  FDR = c(9.46E-05, 0.022693702, 0.00235694, 0.000232455, 0.006343374, 0.010290503)
)

# 核心操作：添加符号分组 -> 分组求均值
result_df <- df %>%
  mutate(logFC_sign = sign(logFC)) %>% # 标记logFC符号：1=正，-1=负，0=零
  group_by(gene_id, logFC_sign) %>%
  summarise(across(c(logFC, logCPM, LR, PValue, FDR), mean), .groups = "drop") %>%
  arrange(gene_id)

# 查看结果
print(result_df)

结果说明： #

• FBgn0000422因为有正、负两种logFC，会被分成两组分别计算均值，最终输出两行
• FBgn0000565的logFC全为负，直接合并成一行均值
• 如果不需要保留logFC_sign列，加一行select(-logFC_sign)即可移除

Python 实现方案（用Pandas） #

思路和R完全一致，先标记logFC符号，再分组聚合：

import pandas as pd

# 模拟你的样本数据
data = {
    "gene_id": ["FBgn0000422", "FBgn0000422", "FBgn0000422", "FBgn0000565", "FBgn0000565", "FBgn0000565"],
    "logFC": [-1.875410209, 1.262578335, -1.55793362, -1.225082505, -0.989958212, -0.947467121],
    "logCPM": [4.429477429, 4.429477429, 4.429477429, 6.984450503, 6.984450503, 6.984450503],
    "LR": [25.16243497, 11.65196417, 18.01707407, 22.91546921, 15.45759475, 14.06298678],
    "PValue": [5.27E-07, 0.000641348, 2.19E-05, 1.69E-06, 8.44E-05, 0.000176789],
    "FDR": [9.46E-05, 0.022693702, 0.00235694, 0.000232455, 0.006343374, 0.010290503]
}
df = pd.DataFrame(data)

# 核心操作：添加符号分组 -> 分组求均值
df["logFC_sign"] = df["logFC"].apply(lambda x: 1 if x > 0 else (-1 if x < 0 else 0))
result_df = df.groupby(["gene_id", "logFC_sign"]).mean().reset_index()

# 可选：移除logFC_sign列
# result_df = result_df.drop(columns="logFC_sign")

# 查看结果
print(result_df)

额外提示： #

如果你的数据里存在logFC为0的行，这个逻辑也能自动把它们单独分组计算均值；要是某些列不需要求均值，你可以在聚合的时候指定具体列，比如在Pandas里用.agg({"logFC": "mean", "LR": "mean"})来指定要聚合的列。

内容的提问来源于stack exchange，提问作者Melderon