使用dplyr按条件关联参考表生成新列时出现NA值的问题排查

你遇到的问题核心是没有正确关联两个表中的染色体编号，直接用chr作为索引去取lengths$q的值很容易因为类型不匹配或者行顺序问题返回NA。下面给你两种靠谱的修正方案：

方法一：先关联表再计算（推荐，可读性更强） #

先通过left_join把my_data和lengths按染色体编号关联起来，这样每一行都能准确拿到对应染色体的q臂长度，再计算chrom.pos：

library(dplyr)

my_data %>%
  # 按chr（my_data）和chrom（lengths）匹配，把对应q值带过来
  left_join(lengths, by = c("chr" = "chrom")) %>%
  mutate(chrom.pos = case_when(
    arm == "q" ~ pos,
    arm == "p" ~ pos + q
  )) %>%
  # 可选：移除不需要的p、q列
  select(-p, -q)

运行后就能得到你期望的结果：

mut  pos chr arm chrom.pos
A   A  567   2   p      9654
B   B 6890   2   q      6890
C   C  978   3   q       978
D   D 4689   4   p      5942

方法二：用match函数精准匹配索引 #

如果不想合并表，可以用match函数找到每个chr在lengths$chrom中的位置，再取对应的q值：

my_data %>%
  mutate(chrom.pos = case_when(
    arm == "q" ~ pos,
    # match找到chr对应的chrom在lengths中的行号，再取q值
    arm == "p" ~ pos + lengths$q[match(chr, lengths$chrom)]
  ))

为什么原来的代码会返回NA？ #

你的原始写法lengths[["q"]][chr]存在两个潜在问题：

1. 类型不匹配：如果my_data$chr是字符型（比如"2"），用它作为行索引会被当成列名查找，自然返回NA；
2. 行顺序依赖：如果lengths中chrom的顺序和chr的数值不严格对应（比如lengths里chrom顺序是1、3、2、4），直接用chr当行号会取错值，甚至返回NA。

而上面两种方法都避开了这些问题，确保每次取到的都是对应染色体的q臂长度。

内容的提问来源于stack exchange，提问作者Evan Bare