R语言循环失效：仅生成单个ppm值，无法筛选代谢组学数据

问题背景 #

有一份544行48列的代谢组学数据，需按以下规则筛选行：若Delta.ppm.值大于(m/z - Molecular.Weight)/Molecular.Weight，则删除对应行。编写循环代码后未得到筛选后的数据集，仅生成单个ppm值。

数据结构示例：

'data.frame':  544 obs. of  48 variables:
 $ X                : int  1 2 3 4 5 6 7 8 9 10 ...
 $ No.              : int  2 32 34 95 114 141 169 234 236 278 ...
 $ RT..min.         : num  0.89 3.921 0.878 2.396 0.845 ...
 $ Molecular.Weight : num  70 72 72 78 80 ...
 $ m.z              : num  103 145 114 120 113 ...
 $ HMDB.ID          : chr  "HMDB0006804" "HMDB0031647" "HMDB0006112" "HMDB0001505" ...
 $ Name             : chr  "Propiolic acid" "Acrylic acid" "Malondialdehyde" "Benzene" ...
 $ Formula          : chr  "C3H2O2" "C3H4O2" "C3H4O2" "C6H6" ...
 $ Monoisotopic_Mass: num  70 72 72 78 80 ...
 $ Delta.ppm.       : num  1.295 0.833 1.953 1.023 0.102 ...
 $ X1               : num  288.3 16.7 1130.9 3791.5 33.5 ...
 $ X2               : num  276.8 13.4 1069.1 3228.4 44.1 ...
 $ X3               : num  398.6 19.3 794.8 2153.2 15.8 ...
 $ X4               : num  247.6 100.5 1187.5 1791.4 33.4 ...
 $ X5               : num  98.4 162.1 1546.4 1646.8 45.3 ...

原循环代码：

for (i in 1:nrow(rawdata)) {
  ppm <- (rawdata$m.z[i] - rawdata$Molecular.Weight[i]) / 
rawdata$Molecular.Weight[i]

  if (ppm > rawdata$Delta.ppm[i]) {

    filtered_data <- rbind(filtered_data, rawdata[i,])
  }
}

问题分析 #

1. 未初始化目标数据集：filtered_data在循环前未定义，第一次执行rbind时会因找不到对象而无法累积数据，甚至报错。
2. 变量覆盖导致单个ppm值：循环中每次给ppm赋值都会覆盖之前的结果，最终仅保留最后一行的计算值。
3. 逻辑条件写反：需求是删除Delta.ppm. > 计算值的行，即保留Delta.ppm. <= 计算值的行，但原代码条件为ppm > rawdata$Delta.ppm[i]，与需求逻辑相反。
4. 循环效率低下：用rbind在循环中逐行拼接数据，在R中属于低效操作，不推荐使用。

解决方案 #

推荐方案：向量化操作（高效简洁） #

R的核心优势是向量化计算，无需循环即可完成批量处理：

# 批量计算所有行的ppm值
ppm <- (rawdata$m.z - rawdata$Molecular.Weight) / rawdata$Molecular.Weight

# 筛选符合条件的行：保留Delta.ppm. <= ppm的行
filtered_data <- rawdata[rawdata$Delta.ppm. <= ppm, ]

修正后的循环方案（仅作参考，不推荐） #

如果坚持使用循环，需修复初始化、逻辑条件等问题：

# 初始化空数据框，匹配原数据结构
filtered_data <- rawdata[0, ]

for (i in 1:nrow(rawdata)) {
  current_ppm <- (rawdata$m.z[i] - rawdata$Molecular.Weight[i]) / rawdata$Molecular.Weight[i]
  # 匹配需求的保留条件
  if (rawdata$Delta.ppm.[i] <= current_ppm) {
    filtered_data <- rbind(filtered_data, rawdata[i, ])
  }
}

内容的提问来源于stack exchange，提问作者Chloe Katya