长矩阵变成宽矩阵-数据不整齐肿么办

如果是简单的转换问题，我们的生信技能树： 生信编程直播第四题：多个同样的行列式文件合并起来 里面详细讲解了这个操作：http://www.biotrainee.com/thread-603-1-1.html

对表达矩阵来说，一个基因在一个样本里面，肯定只有一个表达量的，即使该基因有多个探针，我们一般也会选取某个探针来代表这个基因。当然了，如何选取，也是有学问的，而且也很考验代码技术。比如技能树的，多个探针对应一个基因，取平均值该怎么写：http://www.biotrainee.com/thread-2077-1-1.html

但是对CNV来说，一个基因可能是有多个值的，类似于针对同一个基因设计的多个探针的表达量不一致一样，如果简单的去整合转换，通常会报错。

核心代码

如果你的理解力还不错，看下面代码即可:

library(tidyr)
options(stringsAsFactors = F)
df=data.frame(sample=rep(LETTERS[1:3],each=3),
              value=runif(9),
              genes=rep(LETTERS[1:3],3) 
              )
df=rbind(df,c('A',5,'A'))
print(df)
df$value=as.numeric(df$value)
colnames(df)=c('sample','value','genes') 


我虚拟了一个数据，如下；

> df
   sample             value genes
1       A 0.258136499440297     A
2       A 0.602033647475764     B
3       A  0.43506146944128     C
4       B 0.818765353877097     A
5       B 0.870608947239816     B
6       B 0.844981355592608     C
7       C 0.965881496202201     A
8       C 0.785905135096982     B
9       C 0.170834832359105     C
10      A                 5     A


很明显，一般来说某个基因在某个样本肯定是只有一个表达量，但是我人为的使得A基因在A样本里面，有两个值，所以 简单的转换会失败。

spread(df,'genes','value')


报错如下；

Error: Duplicate identifiers for rows (1, 10)


简单谷歌就找到了以上解决方案，：https://stackoverflow.com/questions/30592094/r-spreading-multiple-columns-with-tidyr

library(data.table) ## v >= 1.9.6
 dcast(setDT(df),  genes ~ sample, fun.aggregate = mean )