您好,我需要按组连接多个列的字符串。我意识到这个问题的版本已经被问过好几次了(参见按唯一标识符聚合并将相关值连接成字符串 https://stackoverflow.com/q/16596515),但它们通常涉及连接单个列的值。
我的数据集是这样的:
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
我想将其转换为每个样本仅占用 1 行的格式(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
由于基因的数量可能高达数千个,因此我不能简单地指定我希望连接的列。
我知道aggregate
or dplyr
可用于获取组,但我不知道如何对多列执行此操作。
提前致谢!
Edit
由于我的数据集非常大,包含数千个基因,我意识到 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:
setDT(df)[, lapply(.SD, function(x) paste(na.omit(x), collapse = ",")), by = Sample]
现在的输出是:
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
感谢你的帮助!