如何在R中按碱基对范围合并两个DataFrame并匹配区间编号？

首先需要注意：你的Basepair、BP_start、BP_end列都是字符类型，无法直接进行数值范围比较，第一步要先转换为数值型。

方法一：使用dplyr按行匹配 #

# 加载dplyr包
library(dplyr)

# 转换字符型碱基对列为整数型
df <- df %>% mutate(Basepair = as.integer(Basepair))
df_sweep <- df_sweep %>% mutate(across(c(BP_start, BP_end), as.integer))

# 为每个SNP匹配对应的sweep_nr
df_merged <- df %>%
  rowwise() %>%
  mutate(sweep_nr = df_sweep$sweep_nr[Basepair >= BP_start & Basepair < BP_end]) %>%
  ungroup()

这里用rowwise()按行处理，每一行的Basepair会匹配df_sweep中符合区间条件的sweep_nr，由于每个SNP只会落在一个区间内，直接提取对应值即可。

方法二：使用fuzzyjoin包直接做范围连接 #

fuzzyjoin包专门用于处理非精确匹配的连接场景，范围匹配非常方便：

# 加载fuzzyjoin包
library(fuzzyjoin)

# 转换数据类型（若未转换）
df <- df %>% mutate(Basepair = as.integer(Basepair))
df_sweep <- df_sweep %>% mutate(across(c(BP_start, BP_end), as.integer))

# 执行范围左连接，保留需要的列
df_merged <- fuzzy_left_join(
  df,
  df_sweep,
  by = c("Basepair" = "BP_start", "Basepair" = "BP_end"),
  match_fun = list(`>=`, `<`)
) %>%
  select(SNPs, Basepair, sweep_nr)

match_fun参数指定了匹配规则：Basepair >= BP_start且Basepair < BP_end，和你示例中SNP1落在0-100区间的逻辑一致。如果你的区间是包含右端点的，把<改成<=即可。

内容的提问来源于stack exchange，提问作者HelloSanta