如何按基因score排序Dataframe？R语言报错问题求助

为什么会报错？ #

你写的代码尝试把gene列转换成因子，但用了c1m.tcps_up$gene[order(c1m.tcps_up$score)]作为因子水平——这里的核心问题是：你的Dataframe里每个基因对应多行重复数据（比如2310043M15Rik出现了24次），导致这个向量里有大量重复的基因名，而因子的水平必须是唯一值，这就触发了factor level [2] is duplicated的错误。

另外从你的数据能看出来，每个基因对应的score是固定的（比如所有2310043M15Rik的score都是0.8192723），所以你的需求应该是按score对整个表格排序，或者让基因的显示顺序跟随score的高低排列？下面分两种场景给你解决方法：

方法1：直接对整个Dataframe按score排序 #

如果你的目标是让表格所有行按score的大小排序（同score的基因自动归为一组），不需要修改因子，用基础R或dplyr都能快速实现：

用基础R：

# 按score升序排序（从小到大）
c1m.tcps_up_sorted <- c1m.tcps_up[order(c1m.tcps_up$score), ]

# 按score降序排序（从大到小），加负号即可
c1m.tcps_up_sorted <- c1m.tcps_up[order(-c1m.tcps_up$score), ]

用dplyr（语法更直观）：

先安装并加载dplyr包：

install.packages("dplyr")
library(dplyr)

然后执行排序：

# 升序排序
c1m.tcps_up_sorted <- c1m.tcps_up %>% arrange(score)

# 降序排序
c1m.tcps_up_sorted <- c1m.tcps_up %>% arrange(desc(score))

方法2：修改gene的因子水平，让基因按score顺序排列 #

如果你想让gene列作为因子，其水平顺序跟随score的高低（比如score高的基因排在前面），需要先提取唯一的基因-score对应关系，排序后再设置因子水平：

# 提取每个基因对应的唯一score，按score排序后提取基因名
gene_score_order <- c1m.tcps_up %>% 
  distinct(gene, score) %>% 
  arrange(score) %>% 
  pull(gene)

# 把gene列转换成因子，水平按上面的顺序设置
c1m.tcps_up$gene <- factor(c1m.tcps_up$gene, levels = gene_score_order)

# 此时按gene排序，就会自动遵循score的顺序
c1m.tcps_up_sorted <- c1m.tcps_up[order(c1m.tcps_up$gene), ]

这样做的关键是distinct(gene, score)会去掉重复的基因-score对，得到每个基因唯一的一行，排序后提取的基因名都是唯一值，就不会再出现因子水平重复的问题了。

测试验证 #

用你的数据测试的话，gene_score_order会是c("5730508B09Rik", "2310043M15Rik")（因为前者的score更低），设置因子水平后，基因的显示顺序就会跟随score从小到大排列。

内容的提问来源于stack exchange，提问作者Helpful_Triazole