Question

您好我需要按多个列的组连接字符串。我发现这个问题的版本已被多次询问（参见Aggregating by unique identifier and concatenating related values into a string），但它们通常涉及连接单个列的值。

我的数据集类似于：

Sample  group   Gene1   Gene2   Gene3
A       1       a       NA      NA
A       2       b       NA      NA
B       1       NA      c       NA
C       1       a       NA      d
C       2       b       NA      e
C       3       c       NA      NA

我想把它变成一种格式，每个样本只需要1行（组列是可选的）：

Sample  group   Gene1   Gene2   Gene3
A       1,2     a,b     NA      NA
B       1       NA      c       NA
C       1,2,3   a,b,c   NA      d,e

由于基因数量可以达到数千，我不能简单地指定我希望连接的列。我知道可以使用aggregate或dplyr来获取组，但我无法弄清楚如何为多个列执行此操作。

提前致谢！

修改

由于我的数据集非常庞大，包含数千个基因，因此我发现dplyr太慢了。我一直在尝试使用data.table，下面的代码也可以得到我想要的东西：

setDT(df)[, lapply(.SD, function(x) paste(na.omit(x), collapse = ",")), by = Sample]

输出现在是：

   Sample group Gene1 Gene2 Gene3
1:      A   1,2   a,b            
2:      B     1           c      
3:      C 1,2,3 a,b,c         d,e

感谢您的帮助！

Answer 1

出于这些目的，有summarise_all，summarise_at和summarise_if函数。使用summarise_all：

df %>%
  group_by(Sample) %>%
  summarise_all(funs(paste(na.omit(.), collapse = ",")))

# A tibble: 3 × 5
  Sample group Gene1 Gene2 Gene3
   <chr> <chr> <chr> <chr> <chr>
1      A   1,2   a,b            
2      B     1           c      
3      C 1,2,3 a,b,c         d,e

Answer 2

使用dplyr，您可以尝试：

dft %>%
  group_by(Sample) %>%
  summarise_each(funs( toString(unique(.))))

给出：

# A tibble: 3 × 5
  Sample   group   Gene1 Gene2    Gene3
   <chr>   <chr>   <chr> <chr>    <chr>
1      A    1, 2    a, b    NA       NA
2      B       1      NA     c       NA
3      C 1, 2, 3 a, b, c    NA d, e, NA

编辑： @Axeman有正确的想法使用na.omit(.)来摆脱空值

使用dplyr按组连接多个字符串

修改

2 个答案: