告别 Excel 复制粘贴!R 语言pivot_longer和pivot

告别 Excel 复制粘贴!R 语言pivot_longer和pivot_wider保姆级图文教程

刚学 R 语言画图时，大家一定经历过这种绝望：你手握一份完美的 Excel 表格，第一列是基因名，后面跟着 10 列不同样本的表达量。这在人类眼里看着极其舒服，简直是“高颜值”表格。然而，当你兴冲冲地把它扔给 ggplot2 想画个多样本表达量箱线图时，却发现代码怎么都敲不对。为什么？因为人类喜欢看“宽数据 (Wide Data)”，而计算机（尤其是 ggplot2）只认“长数据 (Long Data)”。今天，BioGenius 班就带大家彻底攻克 R 语言新手的终极噩梦——利用 tidyr 包的 pivot_longer() 和 pivot_wider()，实现数据的完美变形！

许多朋友们在文章发送后不能第一时间接收到相关通知，强烈建议您将我们公众号设置为星标，步骤为：进入公众号BioGenius班主页→点击右上角三个点→下方第一个选项就是“设置星标”。

核心概念：什么是宽数据与长数据？

在动手敲代码前，我们必须先在脑海里建立直观的画面。

宽数据 (Wide Data)： 像我们平常用的 Excel 表。一个变量占一列。比如：一行是一个基因，后面的列分别是 Sample_1, Sample_2, Sample_3 的表达量。适合人眼阅读，适合做 PCA、相关性热图。
长数据 (Long Data)： 把原本平铺的列，全部“压缩”成两列：一列叫“名字 (Name)”，一列叫“数值 (Value)”。比如：所有样本名都被塞进一列叫 Condition，所有表达量都被塞进一列叫 Expression。这是 ggplot2 画图的唯一指定格式！

魔法一：宽变长 `pivot_longer()`

使用场景： 你手上的数据是基因表达矩阵、多组临床指标，你需要把它们融合在一起，丢给 ggplot2 画箱线图、小提琴图或折线图。

口诀： 把指定的宽列，捏成“名字”和“数值”两根柱子。

# 加载必备神包
library(tidyr)
library(dplyr)

# 1. 模拟一个常见的生信“宽数据”矩阵
wide_df <- tibble(
  Gene = c("TP53", "BRCA1", "MYC"),
  Control_1 = c(10, 15, 8),
  Control_2 = c(12, 14, 9),
  Treat_1 = c(45, 50, 60),
  Treat_2 = c(42, 48, 55)
)

print("这就是人类爱看的宽数据：")
print(wide_df)

# 2. 施展魔法：变长！
long_df <- wide_df %>%
  pivot_longer(
    cols = -Gene,                  # 选中你要折叠的列（除了 Gene 列以外的所有列）
    names_to = "Sample_Group",     # 把原来的列名，统一放到一个叫 "Sample_Group" 的新列里
    values_to = "Expression"# 把原来的数值，统一放到一个叫 "Expression" 的新列里
  )

print("这就是 ggplot2 最爱的长数据：")
print(long_df)

实战 Tips： 在 cols 参数里，你可以用 starts_with("Control")，或者 1:4，甚至 -Gene 这种排除法，极其灵活！

魔法二：长变宽 `pivot_wider()`

使用场景： 你手里的长数据是从数据库下载的，或者你刚用 ggplot2 画完图，现在导师要求你把每个样本的表达量单独拉成一列，导出一个 Excel 附件表格；或者你需要把数据喂给 cor() 算相关性矩阵。

口诀： 把一根“名字”柱子拆成多列，把“数值”填进去。

# 我们把刚刚变形得到的 long_df，再给它变回去！
wide_again_df <- long_df %>%
  pivot_wider(
    names_from = Sample_Group,     # 从哪一列提取新的列名？
    values_from = Expression       # 从哪一列提取对应的数值？
  )

print("看，数据又变回宽格式了！")
print(wide_again_df)

进阶大招：边变长，边拆分列名！

很多时候，我们的样本命名包含了双重信息，比如 Treat_1, Treat_2，既包含了处理组 (Treat)，又包含了重复批次 (1, 2)。pivot_longer 甚至可以帮你在一瞬间完成“变长 + 列名分割”的连招！

# 进阶魔法：直接把 Control_1 拆成 "组别" 和 "重复" 两列
advanced_long_df <- wide_df %>%
  pivot_longer(
    cols = -Gene,
    names_to = c("Treatment", "Replicate"), # 告诉它我要拆成两个新列
    names_sep = "_",                        # 按照下划线 "_" 进行拆分
    values_to = "Expression"
  )

print("进阶版长数据：自带元数据拆分！")
print(advanced_long_df)

拿到这个 advanced_long_df，你就可以直接 ggplot(aes(x = Treatment, y = Expression, fill = Treatment))，一张完美的差异对比图瞬间诞生。

结语

掌握 pivot_longer 和 pivot_wider，意味着你真正跨越了 R 语言数据处理的门槛。不再需要纠结如何写繁琐的 for 循环，也不用在 Excel 里痛苦地复制粘贴转置。数据就像你手中的橡皮泥，想捏成什么形状就捏成什么形状。熟练运用它们，你会发现 tidyverse 的数据哲学真的是一种艺术。

下期内容：字符串处理

此文是在自己的理解和参考网络资料后完成的，若有侵权，请联系删除。