R语言：如何用DataFrame填充样本-基因矩阵并标记存在为1

你的需求是把记录基因-样本对应关系的DataFrame df2，映射到全为NA的基因×样本矩阵mat1中，将对应位置填充为1，其余保持NA。你之前的循环代码逻辑错误，没法实现需求，下面是针对大数据集的高效解决方案：

原代码问题说明 #

你写的循环：

finalmat <- for (i in 1:nrow(mat1)) mat1[i,df2$Samples[[i]]]<-df2$Gene[[i]]

有两个核心问题：

• 循环变量i对应mat1的行号，但df2的第i行不一定匹配mat1的第i个基因，行列对应逻辑完全错误；
• 赋值时用df2$Gene[[i]]是把基因名称填进去，而你需要的是填充数值1，赋值内容错误。

高效解决方案 #

针对大数据集，优先用向量化操作或向量化工具包，避免低效循环，以下三种方法任选：

方法1：矩阵直接索引（速度最快，纯矩阵操作） #

利用行列匹配批量赋值，完全向量化，处理大数据集效率最高：

# 把df2中的Gene和Sample转换成mat1对应的行号、列号
row_idx <- match(df2$Gene, rownames(mat1))
col_idx <- match(df2$Sample, colnames(mat1))

# 过滤掉mat1中不存在的基因/样本（避免NA索引报错）
valid_idx <- !is.na(row_idx) & !is.na(col_idx)
row_idx <- row_idx[valid_idx]
col_idx <- col_idx[valid_idx]

# 批量填充1
mat1[cbind(row_idx, col_idx)] <- 1

方法2：tidyverse重塑数据（可读性强，适合tidy语法用户） #

如果习惯用tidyverse，可以先把长格式的df2转成宽格式，再和mat1对齐：

library(tidyverse)

# 将df2转为宽格式，对应位置填1，其余NA
df_wide <- df2 %>%
  mutate(value = 1) %>%
  pivot_wider(names_from = Sample, values_from = value, values_fill = NA)

# 转换为矩阵并对齐mat1的行列（保留mat1原有的所有基因和样本）
mat_result <- as.matrix(df_wide %>% column_to_rownames("Gene"))
mat_result <- mat_result[rownames(mat1), colnames(mat1)]

方法3：data.table处理超大数据集（百万级数据最优） #

如果数据集规模极大，data.table的速度优势会更明显：

library(data.table)

setDT(df2)
# 转宽格式，对应位置填1，其余NA
df_wide <- dcast(df2, Gene ~ Sample, fun.aggregate = function(x) 1, fill = NA)

# 转矩阵并对齐行列
mat_result <- as.matrix(df_wide, rownames = "Gene")
mat_result <- mat_result[rownames(mat1), colnames(mat1)]

内容的提问来源于stack exchange，提问作者Calmecal