修复data.table中按家族条件筛选行的pedFam函数问题

排查与修复步骤： #

• 检查家族标识的有效性
  先确认full_ped2的家族ID列（如fam_id）无空值、无零个体家族：

  # 统计空家族ID的个体数
  full_ped2[is.na(fam_id), .N]
  # 列出个体数为0的家族（如果有）
  full_ped2[, .N, by = fam_id][N == 0]
  

  若存在异常，先清理数据：

  full_ped2 <- full_ped2[!is.na(fam_id)]
  full_ped2 <- full_ped2[fam_id %in% full_ped2[, .(N = .N), by = fam_id][N >= 1]$fam_id]
  

• 重构亲本追踪的递归逻辑
  多数失效场景源于未递归覆盖所有亲本，或终止条件错误。重新实现核心逻辑：

  pedFam <- function(full_ped) {
    ped <- copy(full_ped)
    # 标记每个家族至少1个初始个体（这里取每个家族首行）
    ped[, keep := FALSE]
    ped[, keep[1] := TRUE, by = fam_id]
    
    # 递归追踪所有关联亲本
    repeat {
      # 提取当前已保留个体的亲本ID，排除空值
      current_parents <- unique(c(ped[keep, father_id], ped[keep, mother_id]))
      current_parents <- current_parents[!is.na(current_parents)]
      # 找到未被标记的亲本
      new_keep <- ped[id %in% current_parents & !keep, id]
      if (length(new_keep) == 0) break
      # 更新标记
      ped[id %in% new_keep, keep := TRUE]
    }
    
    return(ped[keep])
  }
  

• 优化data.table的匹配效率
  为id列设置键，避免匹配时的性能问题或逻辑错误：

  setkey(full_ped2, id)
  # 也可以在函数内部设置键，保证通用性
  pedFam <- function(full_ped) {
    ped <- copy(full_ped)
    setkey(ped, id)
    # 后续筛选逻辑...
  }
  

• 验证边界场景
  针对full_ped2的特殊情况单独排查：

  # 检查是否有亲本ID不在数据集内
  missing_parents <- setdiff(unique(c(full_ped2$father_id, full_ped2$mother_id)), full_ped2$id)
  missing_parents <- missing_parents[!is.na(missing_parents)]
  if (length(missing_parents) > 0) {
    warning(paste("未找到的亲本ID:", paste(missing_parents, collapse = ", ")))
  }
  

内容的提问来源于stack exchange，提问作者Rob