基于亲本列值逐行重编码子代遗传数据的R语言求助

原代码的核心问题是全局修改了整个Test数据框的元素，而非仅处理当前行的子代数据，同时逻辑未针对每行的双亲值做逐元素对比，导致编码混乱甚至出现NA。

原代码错误点 #

• Test[Test[i, ] == "A"] <- "a" 这行代码会修改整个Test中所有等于"A"的单元格，而非第i行里的"A"，后续循环会覆盖之前的修改，最终导致结果错误。
• 逻辑仅判断了P1或P2等于"A"的情况，未针对每行不同的P1/P2值适配，也未实现"h"的编码逻辑。

解决方案一：修正循环（直观易懂） #

先创建空结果容器，逐行逐列对比子代与双亲值，避免全局修改：

# 初始化结果矩阵，结构与Test一致
result <- matrix(NA, nrow = nrow(Test), ncol = ncol(Test))
colnames(result) <- colnames(Test)

# 逐行处理
for (i in 1:nrow(Test)) {
  # 获取当前行的双亲值
  p1 <- Parents[i, 1]
  p2 <- Parents[i, 2]
  
  # 逐列处理子代元素
  for (j in 1:ncol(Test)) {
    val <- Test[i, j]
    if (val == p1) {
      result[i, j] <- "a"
    } else if (val == p2) {
      result[i, j] <- "b"
    } else if (val %in% c(paste0(p1, p2), paste0(p2, p1))) {
      # 假设"同时包含两者"是指杂合子（如P1=A、P2=T，子代是AT/TA），可根据实际数据格式调整
      result[i, j] <- "h"
    }
    # 若有其他情况，可添加else分支定义处理方式（如保留原值或标记为NA）
  }
}

# 转换为数据框（可选）
result_df <- as.data.frame(result)

解决方案二：向量化操作（高效推荐） #

R中循环效率较低，300+行数据用向量化函数处理更快：

# 定义编码函数：输入一行子代数据、一行双亲数据，返回编码后的行
recode_row <- function(test_row, parent_row) {
  p1 <- parent_row[1]
  p2 <- parent_row[2]
  
  sapply(test_row, function(x) {
    if (x == p1) {
      "a"
    } else if (x == p2) {
      "b"
    } else if (x == paste0(p1, p2) || x == paste0(p2, p1)) {
      "h"
    } else {
      NA # 其他情况默认设为NA，可按需修改
    }
  })
}

# 逐行应用函数，转置后恢复数据框结构
result_df <- t(mapply(recode_row, split(Test, 1:nrow(Test)), split(Parents, 1:nrow(Parents))))
# 转换为数据框并保留列名
result_df <- as.data.frame(result_df)
colnames(result_df) <- colnames(Test)

注意事项 #

• 若"同时包含两者"的格式不是杂合子字符串（比如子代同时存在P1和P2的标记），需要修改else if里的判断逻辑，匹配你的实际数据格式。
• 若存在双亲值相同的行，可添加判断分支统一编码（比如都标为"a"或其他标记）。

内容的提问来源于stack exchange，提问作者MWhyte