如何在R数据框中判断SNPs列值是否存在于gained/lost列并生成STATUS列？

你的核心问题是原代码按行匹配对应位置的值，而非搜索整列的所有值，导致结果全部为NEUTRAL。下面提供几种实用的正确实现方式：

先构造示例测试数据 #

data_frame <- data.frame(
  SNPs = c("1_752566", "1_776546", "1_832918", "1_914852"),
  gained = c("1_949654", "1_1045331", "1_832918", "1_1247494"),
  lost = c("6_30022061", "6_30314321", "13_95612033", "1_914852"),
  stringsAsFactors = FALSE
)

方法1：基础R嵌套ifelse #

无需额外包，直接用原生函数实现逻辑判断：

data_frame$STATUS <- ifelse(
  data_frame$SNPs %in% data_frame$gained,  # 先判断是否在gained整列
  "GAINED",
  ifelse(
    data_frame$SNPs %in% data_frame$lost,  # 再判断是否在lost整列
    "LOST",
    "NEUTRAL"  # 都不满足则设为NEUTRAL
  )
)

方法2：dplyr包的case_when（更清晰的多条件判断） #

适合习惯tidyverse风格的用户，逻辑更直观：

library(dplyr)

data_frame <- data_frame %>%
  mutate(STATUS = case_when(
    SNPs %in% gained ~ "GAINED",
    SNPs %in% lost ~ "LOST",
    TRUE ~ "NEUTRAL"
  ))

方法3：data.table包（适合大数据场景） #

如果数据量较大，data.table的效率更高：

library(data.table)

setDT(data_frame)[, STATUS := fcase(
  SNPs %in% gained, "GAINED",
  SNPs %in% lost, "LOST",
  default = "NEUTRAL"
)]

原代码错误原因解释 #

你之前的代码data_frame$status <- data.frame(lapply(data_frame[1], %in%, data_frame[2:3]))中，data_frame[2:3]是将gained和lost作为一个数据框传入，%in%会默认按行进行位置匹配（即每个SNPs值只和对应行的gained、lost值比较），而非遍历整列的所有值，所以无法正确匹配到目标值，最终全部返回NEUTRAL。

内容的提问来源于stack exchange，提问作者user11924976