如何在ELISA板图DataFrame中正确提取标准品(STD)与样品(SPL)的行列索引？

你遇到的问题核心在于直接对data.frame使用grepl()时，R会自动把数据框按列优先的顺序展平成一维向量，这就导致grepl("STD", plate.map)返回的不是和原板图同维度的逻辑矩阵，而是一个长度为96（8行×12列）的一维逻辑向量。此时哪怕加上arr.ind = TRUE，which()也只能返回这个一维向量中TRUE值的位置（也就是展平后的线性索引），而非你想要的行+列的二维坐标。

下面给你几种实用的解决方法，从基础R到tidyverse风格都有：

方法一：转成矩阵后提取（最直接的基础R方案） #

which(arr.ind = TRUE)对矩阵是有效的，所以先把你的板图数据框转成矩阵，再进行提取：

# 将数据框转换为矩阵
plate_matrix <- as.matrix(plate.map)

# 提取STD的行列索引（row是行的数字索引，对应原数据框的A=1, B=2...；col是列索引）
std_indices <- which(grepl("STD", plate_matrix), arr.ind = TRUE)
print(std_indices)

运行后你会得到这样的二维索引结果：

row col
[1,]   1   3
[2,]   1   4
[3,]   1   5
[4,]   1   6
[5,]   1   7
[6,]   1   8
[7,]   1   9
[8,]   1  10

如果想把数字行索引换成原数据框的A-H行名，只需一行代码：

std_indices$row_name <- rownames(plate.map)[std_indices[, "row"]]

方法二：用tidyverse转长格式提取（更直观的表格形式） #

如果你熟悉tidyverse工具链，可以把宽格式的板图转成长格式，直接筛选出目标样本的位置，结果会是清晰的表格：

library(tidyverse)

# 把板图转成长格式，保留行名、列名和样本类型
plate_long <- plate.map %>%
  rownames_to_column(var = "row") %>%
  pivot_longer(cols = -row, names_to = "col", values_to = "sample_type")

# 提取STD的位置
std_positions <- plate_long %>% filter(str_detect(sample_type, "STD"))
# 提取SPL的位置
spl_positions <- plate_long %>% filter(str_detect(sample_type, "SPL"))

# 查看STD结果
print(std_positions)

输出会是这样的结构化表格：

# A tibble: 8 × 3
  row   col   sample_type
  <chr> <chr> <chr>      
1 A     3     STD1       
2 A     4     STD2       
3 A     5     STD3       
4 A     6     STD4       
5 A     7     STD5       
6 A     8     STD6       
7 A     9     STD7       
8 A     10    STD8       

方法三：用apply逐列处理（无需转矩阵的基础R方案） #

如果你不想转换数据结构，可以用apply遍历每一列，记录符合条件的行和列：

# 提取STD的索引
std_list <- apply(plate.map, 2, function(col) {
  # 找到当前列中含STD的行索引
  match_rows <- which(grepl("STD", col))
  if (length(match_rows) > 0) {
    data.frame(
      row = rownames(plate.map)[match_rows],
      col = colnames(plate.map)[which(colnames(plate.map) == deparse(substitute(col)))]
    )
  }
})

# 把列表合并成数据框
std_indices <- do.call(rbind, std_list)
print(std_indices)

内容的提问来源于stack exchange，提问作者user13589693