如何用R语言为数据表生成符合规则的identifiedID列？

需求说明 #

我们需要为包含rs10330、rs18976、rs7498三列的数据表新增identifiedID列，规则如下：

• 统计每行中满足以下条件的列数：
  • rs10330取值为AG或GG
  • rs18976取值为GT或TT
  • rs7498取值为AT或TT
• 根据统计结果赋值：0列满足则identifiedID=0，1列满足则=1，2列满足则=2，3列满足则=3

示例数据 #

datmp <- data.frame(rs10330=c('AA','AG','GG','AG','AA'), 
                    rs18976=c('GG','GT','GT','GG','GG'), 
                    rs7498=c( 'AA','AT','TT','AT','TT')) 
identifiedID <- c(0,3,3,2,1) 
datmp2 <- data.frame(datmp, identifiedID)

实现代码 #

基础R原生实现

直接通过逻辑判断生成布尔向量，再按行求和得到目标列：

# 生成各列的条件判断向量（TRUE代表满足条件，对应数值1；FALSE对应0）
cond_rs10330 <- datmp$rs10330 %in% c("AG", "GG")
cond_rs18976 <- datmp$rs18976 %in% c("GT", "TT")
cond_rs7498 <- datmp$rs7498 %in% c("AT", "TT")

# 按行求和，直接得到满足条件的列数，即identifiedID的值
datmp$identifiedID <- cond_rs10330 + cond_rs18976 + cond_rs7498

# 查看结果
print(datmp)

dplyr管道式实现（适合tidyverse工作流）

如果习惯使用tidyverse系列工具，可通过dplyr的管道语法完成：

library(dplyr)

datmp <- datmp %>%
  mutate(
    # 生成临时条件列
    cond1 = rs10330 %in% c("AG", "GG"),
    cond2 = rs18976 %in% c("GT", "TT"),
    cond3 = rs7498 %in% c("AT", "TT"),
    # 对临时条件列按行求和得到目标列
    identifiedID = rowSums(select(., cond1, cond2, cond3))
  ) %>%
  select(-cond1, -cond2, -cond3) # 可选：删除临时条件列

# 查看结果
print(datmp)

两种方法均能生成与示例完全一致的identifiedID列，核心逻辑是将每个条件转化为布尔值后求和，直接对应需求中的计数规则。

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