如何在R中转换基因关联表格，合并重复基因的对应属性？

当然可以！在R语言里处理这种分组合并字符串的需求很简单，我给你分享几种实用的方法，你可以根据自己的习惯选择：

首先构造示例数据 #

先把你提供的表格转换成R可处理的数据结构：

# 创建示例数据框
df <- data.frame(
  Gene = c("TMCS09g1008676", "TMCS09g1008677", "TMCS09g1008678", "TMCS09g1008679", "TMCS09g1008680", "TMCS09g1008676", "TMCS09g1008677"),
  person = c("mathias", "leonard", "marcus", "jan", "jose", "jose", "marcus"),
  stringsAsFactors = FALSE
)

方法1：使用tidyverse的dplyr包（推荐，语法直观） #

如果你平时习惯用tidyverse生态，dplyr的分组聚合语法非常易懂：

library(dplyr)

# 按Gene分组，合并person列
result_df <- df %>%
  group_by(Gene) %>%
  summarise(person = paste(person, collapse = "_"), .groups = "drop")

# 查看结果
print(result_df)

运行后就能得到你想要的格式：每个Gene对应的person值会用下划线连接起来，唯一的Gene则保留原有的值。

方法2：基础R的aggregate函数（无需额外安装包） #

如果不想加载第三方包，用基础R的aggregate函数也能实现：

# 聚合person列，按Gene分组
result_df_base <- aggregate(person ~ Gene, data = df, FUN = function(x) paste(x, collapse = "_"))

# 查看结果
print(result_df_base)

方法3：使用data.table包（适合大数据集，速度更快） #

如果你的数据量很大，data.table的处理效率会更高：

library(data.table)

# 转换为data.table格式
dt <- as.data.table(df)
# 分组合并
result_dt <- dt[, .(person = paste(person, collapse = "_")), by = Gene]

# 查看结果
print(result_dt)

三种方法最终输出的结果都是你需要的格式，挑你顺手的用就行~

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