R语言关联矩阵个体分类函数GTA的问题排查与优化需求

首先给出关联矩阵M5的定义：

M5 <- structure(c(1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1), dim = c(5L, 3L), 
                dimnames = list(c("1", "2", "3", "4", "5"), NULL))

分类需求 #

• 当测试结果为c("N", "N", "P")（第1、2列阴性，第3列阳性）：个体1-4标记为确认阴性（CN），个体5标记为确认阳性（CP）
• 当测试结果为c("N", "P", "P")（第1列阴性，第2、3列阳性）：个体1-2标记为CN，个体3-5标记为疑似阳性（SP）
• 当测试结果为c("P", "N", "P")：个体2-4标记为CN，个体1、5标记为CP

当前存在的问题 #

• 调用GTA(M5, test_results = c("N", "N", "P"))时，个体5被错误标记为SP，实际应为CP
• 函数逻辑需优化，提升准确性、可读性与扩展性

修正后的函数实现 #

GTA <- function(mat, test_results) {
  # 参数校验：确保测试结果长度与矩阵列数匹配
  if (length(test_results) != ncol(mat)) {
    stop("测试结果长度需与矩阵列数一致")
  }
  
  # 初始化所有个体为确认阴性
  classification <- rep("CN", nrow(mat))
  
  # 场景1：第1、2列N，第3列P
  if (all(test_results[c(1,2)] == "N") && test_results[3] == "P") {
    # 定位仅第3列关联为1的个体（即个体5），标记为CP
    classification[which(rowSums(mat) == 1 & mat[,3] == 1)] <- "CP"
  } 
  # 场景2：第1列N，第2、3列P
  else if (test_results[1] == "N" && all(test_results[c(2,3)] == "P")) {
    # 定位关联第2或第3列的个体，标记为SP
    classification[which(mat[,2] == 1 | mat[,3] == 1)] <- "SP"
  } 
  # 场景3：第1列P，第2列N，第3列P
  else if (test_results[1] == "P" && test_results[2] == "N" && test_results[3] == "P") {
    # 定位关联第1或第3列的个体，标记为CP
    classification[which(mat[,1] == 1 | mat[,3] == 1)] <- "CP"
  }
  
  # 返回绑定个体ID的分类结果
  data.frame(个体ID = rownames(mat), 分类 = classification, stringsAsFactors = FALSE)
}

问题原因与优化说明 #

问题根源 #

原函数未精准匹配c("N", "N", "P")场景下个体5的特征：该个体仅在第3列有1，且对应测试结果为P，应直接标记为CP，而非模糊归类为SP。修正后的函数通过rowSums(mat) == 1 & mat[,3] == 1精准定位该个体。

优化建议 #

1. 参数校验：新增测试结果与矩阵列数的一致性检查，避免参数不匹配引发的逻辑错误
2. 逻辑模块化：将每个分类场景拆分为独立条件分支，代码可读性与维护性大幅提升
3. 精准特征匹配：使用矩阵元素的组合条件（行和、特定列值）替代模糊判断，确保分类准确性
4. 扩展性支持：后续新增分类场景可直接添加else if分支，无需大幅修改原有代码

内容的提问来源于stack exchange，提问作者MYaseen208