使用 tidyr 和 dplyr 进行数据清洗

最近在处理扩增子（amplicon）数据时，频繁需要把原始表格整理成 tidy 格式以便下游分析。这里记录一下常用的 tidyr + dplyr 组合拳。

加载包

library(dplyr)
library(tidyr)
library(readr)

长宽格式互转

pivot_longer 把宽表转长表：

long <- wide %>%
  pivot_longer(
    cols = starts_with('sample'),
    names_to = 'sample',
    values_to = 'count'
  )

反过来用 pivot_wider：

wide <- long %>%
  pivot_wider(
    names_from = sample,
    values_from = count,
    values_fill = 0
  )

分组汇总

summary <- long %>%
  group_by(genus, sample) %>%
  summarise(total = sum(count), .groups = 'drop')

操作	函数
选择列	select()
过滤行	filter()
新增列	mutate()
分组汇总	group_by() %>% summarise()

小贴士：链式操作 %>% 让代码读起来像自然语言，复杂步骤也清晰。

缺失值处理

cleaned <- df %>%
  drop_na() %>%        # 删除含 NA 的行
  replace_na(list(count = 0))

---

下一篇会讲怎么把这些清洗好的数据喂给 phyloseq 做下游分析。