R语言：按条件对列样本跨行累加值？代码NA问题排查

现有两个数据集gt_df和weights，结构如下：

dput(gt_df)
structure(list(rs1 = c(1, 1), rs2 = c(0, 0), rs8 = c(1, 1), rs21 = c(0, 
0)), row.names = c("1117F", "1XZ7S"), class = "data.frame")
dput(weights)
structure(list(varID = c("rs12", "rs8", "rs2"), weight = c(0.119982752530867, 
-0.0375093345760517, 0.0320329747257121)), row.names = c(NA, 
3L), class = "data.frame")

需求逻辑：对gt_df中的每个样本（行），遍历所有列：

• 若列名存在于weights$varID中，将该列值乘以对应weight
• 否则乘以0
  最终将该行所有计算结果累加得到预测值。

编写的循环代码运行后得到全NA的pred矩阵，无法得到正确结果。示例预期结果如下：

gt_Df: rs1 rs2 rs8 rs21
1117F   1   0   1   0
IIEI    1   0   1   1

weights file: 
varID weights
rs21  0.119
rs8   -0.037
rs2    0.032

Expected outcome:
Predicted_Value
1117F -0.037
11EI  0.082

Calculation: for 1117F: 1*0 + 0*0.032 +1*-0.037 + 0*0.119=-0.037

原代码中pred初始化为含NA值的矩阵，第一次执行sum(pred1, pred[i])时，是数值加NA，结果仍为NA，后续累加也一直保持NA，这是核心问题。

方法1：修改原循环代码 #

将pred初始化为全0矩阵，同时简化循环内的逻辑：

# 初始化全0矩阵，而非NA
pred <- matrix(0, nrow=nrow(gt_df), ncol=1)
colnames(pred) <- "Predicted"
rownames(pred) <- rownames(gt_df)

for(i in 1:nrow(gt_df)){ 
  for(j in 1:ncol(gt_df)){ 
    col_name <- colnames(gt_df)[j]
    if(col_name %in% weights$varID){
      # 直接匹配varID对应的weight
      weight_val <- weights$weight[weights$varID == col_name]
      pred[i] <- pred[i] + gt_df[i,j] * weight_val
    }
    # 不匹配的情况乘以0，累加后不改变结果，可省略else分支
  }
}

运行后即可得到正确结果：

print(pred)
#          Predicted
# 1117F -0.03750933
# 1XZ7S -0.03750933

方法2：向量化实现（更高效） #

避免嵌套循环，利用R的向量化操作，代码更简洁且处理大数据集时性能更好：

# 为gt_df的每一列匹配对应的weight，无匹配则设为0
col_weights <- ifelse(colnames(gt_df) %in% weights$varID, 
                      weights$weight[match(colnames(gt_df), weights$varID)],
                      0)

# 矩阵乘法计算每行加权和
pred <- data.frame(Predicted = as.matrix(gt_df) %*% col_weights)
rownames(pred) <- rownames(gt_df)

执行结果与修改后的循环代码一致。

内容的提问来源于stack exchange，提问作者rheabedi1