R语言：对比数据框中两组列对并返回不匹配行的id值

我来帮你搞定这个问题～首先得明确“列对匹配”的两种常见情况，对应不同的实现方式，你可以根据自己的需求选择：

情况1：要求顺序严格匹配 #

也就是必须ref和ref1相等，同时alt和alt1相等才算匹配。我们可以直接用逻辑筛选提取不匹配行的id：

# 提取顺序不匹配的行的id
df$id[!(df$ref == df$ref1 & df$alt == df$alt1)]

运行这段代码会得到：

[1] "2" "3"

原因很直观：行2的(G,C)和(C,G)顺序不一样，行3的(C,G)和(T,A)完全不搭，所以这两行被筛选出来。

情况2：不考虑顺序，只要元素相同就算匹配 #

如果你觉得(G,C)和(C,G)这种互为反向的列对也算匹配，那我们可以通过判断两个列对的元素集合是否一致来实现。这里有两种写法：

写法1：自定义辅助函数（可读性更高） #

# 定义函数：判断两个碱基对是否是同一组（不管顺序）
is_same_pair <- function(r, a, r1, a1) {
  sort(c(r, a)) == sort(c(r1, a1))
}

# 批量应用函数，提取不匹配的id
df$id[!mapply(is_same_pair, df$ref, df$alt, df$ref1, df$alt1)]

写法2：直接用逻辑判断（更简洁） #

不想写函数的话，直接用逻辑或把两种匹配情况列出来就行：

df$id[!( (df$ref == df$ref1 & df$alt == df$alt1) | (df$ref == df$alt1 & df$alt == df$ref1) )]

这两种写法的运行结果都是：

[1] "3"

因为只有行3的(C,G)和(T,A)元素完全不同，其他行要么顺序完全一致，要么是反向的同一碱基对，都被视为匹配。

内容的提问来源于stack exchange，提问作者Iriel