R语言数据处理那些事（二十六）R语言数据处理 多层分组计算：从 split 到 nest，再到 group_modify

缘由

生信之路，道阻且长，记录经验，但渡有缘人。

碎碎念

及时当勉励，岁月不饶人 ——陶渊明

代码

在数据分析中，我们经常需要 “按组计算” ——
比如蛋白组学中：

对每个蛋白 (Protein)，再按每个肽段 (Peptide) 分组，
计算每个实验组 (group) 的平均表达量。

这时我们可以选择三种方式：

1️⃣ split() —— base R 风格
2️⃣ nest() + map() —— tidyverse 风格
3️⃣ group_modify() —— tidyverse 极简风格

---

示例数据

library(tidyverse)
 
set.seed(123)
df <- tibble(
  Protein = rep(c("P1", "P2"), each = 6),
  Peptide = rep(c("pepA", "pepB"), each = 3, times = 2),
  group   = rep(c("WT", "KO", "AAV"), times = 4),
  value   = rnorm(12, 10, 1)
)
df

一、Base R 风格：split() + lapply()

protein_split <- split(df, df$Protein)
pep_split <- lapply(protein_split, function(x) split(x, x$Peptide))
 
result_base <- lapply(pep_split, function(protein_list) {
  lapply(protein_list, function(pep_df) {
    pep_df %>%
      group_by(group) %>%
      summarise(mean_val = mean(value))
  })
})

优点： 逻辑清晰、兼容性强
缺点： 嵌套层级多，合并结果麻烦，不易在管道中复用。

---

二、Tidyverse 风格：nest() + map()

df_nested <- df %>%
  group_by(Protein, Peptide, group) %>%
  nest()
 
 

现在，我们可以在 map() 中对每个小表计算：

df_nested %>%
  mutate(res = map(data, ~ summarise(.x, mean_val = mean(value)))) %>%
  select(-data) %>%
  unnest(res)

输出

Protein	Peptide	group	mean_val
P1	pepA	WT	9.44
P1	pepA	KO	10.82
P1	pepA	AAV	9.69
…	…	…	…

优点：

• 数据结构更 tidy；
• 用 unnest() 一步合并；
• 可轻松扩展更复杂计算。

---

三、Tidyverse 极简风格：group_modify()

group_modify() 是 dplyr 的内置“分组 apply”工具，能自动完成拆分、计算和合并：

df_result <- df %>%
  group_by(Protein, Peptide, group) %>%
  group_modify(~ summarise(.x, mean_val = mean(value)))
 
df_result

优点：

• 一步到位；
• 自动合并；
• 完全兼容管道风格；
• 支持返回多行或多列结果。