如何筛选与nr种群个体距离≤0.01的fr2100个体

核心思路 #

要完成这个筛选，关键是验证fr2100中的每个个体，是否存在至少一个nr个体的Dim.1和Dim.2坐标，同时落在该个体对应坐标的±0.01区间内。针对大样本量，优先选择效率更高的向量化或批量匹配方式。

具体代码实现 #

假设ind是包含两个种群的列表，每个种群为带个体标识、Dim.1、Dim.2列的数据框：

步骤1：拆分数据集 #

# 提取两个种群的单独数据框
fr_data <- ind$fr2100
nr_data <- ind$nr

步骤2：两种筛选方案 #

方案1：基础R原生实现

# 遍历每个fr个体，检查是否存在符合条件的nr个体
match_result <- apply(fr_data[, c("Dim.1", "Dim.2")], 1, function(fr_coord) {
  any(
    abs(nr_data$Dim.1 - fr_coord[1]) <= 0.01 &
    abs(nr_data$Dim.2 - fr_coord[2]) <= 0.01
  )
})

# 提取符合条件的fr2100个体
selected_fr <- fr_data[match_result, ]

方案2：dplyr+tidyr语法（更易读）

library(dplyr)
library(tidyr)

# 交叉连接两个数据集，筛选后去重得到目标个体
selected_fr <- fr_data %>%
  crossing(nr_data) %>%
  filter(abs(Dim.1.x - Dim.1.y) <= 0.01,
         abs(Dim.2.x - Dim.2.y) <= 0.01) %>%
  distinct(across(all_of(colnames(fr_data))))

注意事项 #

• 由于两个种群样本量较大（总匹配次数约3300万），基础R的apply方法可能稍慢，dplyr的交叉连接在现代R版本中优化较好，也可改用data.table进一步提升处理速度。
• 提前确认Dim.1和Dim.2为数值类型，避免因数据类型错误导致匹配失效。

内容的提问来源于stack exchange，提问作者Tristan