R语言中如何根据行列分类值从3x3评分矩阵提取对应分值？

问题背景 #

需要从以下3x3评分矩阵中，根据数据框每行的level.cats（行索引）和slope.cats（列索引）提取对应分值：

scoring.matrix <- matrix(c(-2, -1, 0,
                           -1, 0, 1,
                           0, 1, 2),
                         nrow = 3, byrow = TRUE)

数据框示例：

resfil2 <- data.frame(
  network_id = 1:10,
  level.cats = c(3,3,3,3,1,3,3,2,1,2),
  slope.cats = c(2,1,3,2,2,3,2,3,1,3)
)

尝试批量提取时执行代码：

resfil3 <- resfil2 %>% mutate(score=unlist(scoring.df[level.cats, slope.cats]))

报错提示score必须为43或1长度，而非1849，原因是R将向量索引做了交叉匹配，生成了43x43的元素集合。

错误原因 #

当用两个向量作为矩阵的行、列索引时，R默认执行外积匹配：即每个行索引与所有列索引组合，每个列索引与所有行索引组合，最终生成length(行索引) * length(列索引)个元素，而非按位置一一对应提取。

解决方案 #

方法1：用cbind构造索引矩阵 #

这是最高效的基础R方法，将行、列索引组合成两列矩阵，强制R按行一一对应提取元素：

resfil3 <- resfil2 %>%
  mutate(score = scoring.matrix[cbind(level.cats, slope.cats)])

cbind(level.cats, slope.cats)生成n行2列的索引矩阵，每一行对应一个元素的位置，矩阵索引会逐个提取这些位置的值，返回与数据框行数一致的向量。

方法2：使用rowwise()逐行处理 #

如果偏好tidyverse语法，用rowwise()让代码逐行执行，避免向量化的交叉匹配：

resfil3 <- resfil2 %>%
  rowwise() %>%
  mutate(score = scoring.matrix[level.cats, slope.cats]) %>%
  ungroup() # 处理完成后取消逐行模式，避免后续操作性能下降

方法3：用purrr::map2()逐个映射 #

利用purrr的映射函数，将两个索引向量逐个配对提取：

library(purrr)

resfil3 <- resfil2 %>%
  mutate(score = map2_dbl(level.cats, slope.cats, ~ scoring.matrix[.x, .y]))

map2_dbl会把level.cats和slope.cats的元素一一配对，传入匿名函数提取对应值，返回数值向量。

额外修正：cut函数参数优化 #

你之前的cut函数存在参数误用，levels=1:3是无效参数，正确的分类转换代码应为：

resfil2 <- resfil %>%
  mutate(
    level.cats = as.numeric(cut(intrcpt.est, 
                                breaks = c(-Inf, int.qcuts, Inf), 
                                labels = c("Bottom Quartile", "Middle 50%", "Top Quartile"))),
    slope.cats = as.numeric(cut(slope.est, 
                                breaks = c(-Inf, sl.qcuts, Inf), 
                                labels = c("Bottom Quartile", "Middle 50%", "Top Quartile")))
  )

as.numeric()会将因子转换为对应的整数1/2/3，与评分矩阵的索引完全匹配。

内容的提问来源于stack exchange，提问作者Stuart