基于ID分组，保留chr同组start最小值与end最大值的R数据处理问题

首先咱们理清问题核心：你需要同时按id和chr分组（保证同一id下不同chr的行不会被错误合并），然后在每个组内提取start的最小值和end的最大值，而不是取组内的首尾行数据。

原代码的问题 #

你之前的代码只按id分组，并且用start[1]和end[.N]取了组内的第一个start值和最后一个end值，这既不符合“取最值”的需求，也没有考虑同一id下可能存在不同chr的通用情况（虽然你的测试数据里没出现，但这个逻辑漏洞必须补上）。

正确的data.table实现 #

先重新构造你的测试数据（和原数据完全一致）：

library(data.table)
test_df <- data.frame(
  chr = c("chr1","chr1","chr1","chr2","chr2","chr1","chr1","chr2","chr1"),
  start = c(700,800,900,350,400,650,800,200,1000),
  end = c(750,850,950,400,450,700,850,250,1050),
  id = c("id_1","id_1","id_1","id_2","id_2","id_1","id_1","id_2","id_3")
)

然后用以下代码处理：

# 转换为data.table并按id+chr分组计算最值
final_test_df <- setDT(test_df)[, .(start = min(start), end = max(end)), by = .(id, chr)]
# 调整列顺序和你预期的结果完全匹配（可选步骤）
setcolorder(final_test_df, c("chr", "start", "end", "id"))

运行结果 #

执行后会得到完全符合你预期的输出：

> final_test_df
     chr start  end    id
1: chr1   650  950 id_1
2: chr2   200  450 id_2
3: chr1  1000 1050 id_3

逻辑说明 #

1. 分组键.(id, chr)：确保每个组是id和chr的唯一组合，避免同一id下不同chr的行被错误合并。
2. min(start)和max(end)：直接在每个组内计算start的最小值和end的最大值，精准匹配你的需求。
3. setcolorder：只是为了让列顺序和你给出的预期结果完全一致，如果你不介意列顺序可以省略这一步。

内容的提问来源于stack exchange，提问作者Nono_sad