如何在R中过滤DataFrame并保留匹配结果的前后各一行

我有一份记录基因组距离的DataFrame，结构如下：

需求是基于chr和pos执行过滤：filter(data, chr == chromosome & pos >= start_pos & pos <= end_pos)，但需要同时保留过滤结果的前后各一行，避免遗漏信息。之前尝试过lag、lead函数及data.table的shift方法，但始终无法清除冗余输出。

方法1：用dplyr（tidyverse）实现 #

核心逻辑是先标记符合过滤条件的行，再标记这些行的前后行，最后去重保留有效行，同时按染色体分组避免跨组错误关联。

假设过滤参数为chr == "chr8"且pos >= 94350000 & pos <= 94380000，代码如下：

library(dplyr)

# 定义过滤参数
chromosome <- "chr8"
start_pos <- 94350000
end_pos <- 94380000

# 处理数据
result <- data %>%
  group_by(chr) %>%  # 按染色体分组，防止跨chr取前后行
  mutate(
    is_match = chr == chromosome & pos >= start_pos & pos <= end_pos,
    # 标记需要保留的行：当前行匹配，或前/后行匹配
    keep = is_match | lag(is_match, default = FALSE) | lead(is_match, default = FALSE)
  ) %>%
  filter(keep) %>%
  select(-is_match, -keep) %>%  # 删除临时标记列
  ungroup()

方法2：用data.table实现 #

利用data.table的高效分组和移位功能，逻辑和dplyr一致：

library(data.table)

setDT(data)

# 定义过滤参数
chromosome <- "chr8"
start_pos <- 94350000
end_pos <- 94380000

# 标记匹配行
data[, is_match := chr == chromosome & pos >= start_pos & pos <= end_pos, by = chr]
# 标记需保留的行：当前/前/后行是匹配行
data[, keep := is_match | shift(is_match, type = "lag", fill = FALSE) | shift(is_match, type = "lead", fill = FALSE), by = chr]
# 过滤并清理临时列
result <- data[keep == TRUE, .(chr, snp, pos, cM)]

关键注意事项 #

• 必须按chr分组：如果不分组，多染色体数据会出现跨染色体关联前后行的错误，导致冗余。
• 处理边界行：用default = FALSE（dplyr）或fill = FALSE（data.table）避免首尾行因无前后行产生的NA干扰判断。
• 清理临时列：最后移除标记列，保证输出结果简洁。

内容的提问来源于stack exchange，提问作者Nomye