在R中按行累加坐标值生成新列的实现方法

现有如下结构的DataFrame：

Sp1 start end  
A   100   1077 
B   2316  4088
B   26647 28746
C   450    789
D   23     499
D   45999  60000

需要添加new_start和new_end两列，规则如下：

• 第一行的new_start、new_end与原start、end值一致；
• 后续行的new_start为上一行new_end值加1；
• new_end为当前行new_start加上（原end - 原start）的差值。

示例说明 #

第一行结果：

Sp1 start end     new_start  new_end 
A   100   1077    100        1077

第二行（B行）结果：

Sp1 start end     new_start  new_end 
A   100   1077    100        1077
B   2316  4088    1078       2850

• 1078 = 1077 + 1
• 2850 = 1078 + (4088 - 2316)

最终预期结果 #

Sp1 start end     new_start  new_end 
A   100   1077    100        1077
B   2316  4088    1078       2850
B   26647 28746   2851       4950
C   450   789     4951       5290

DataFrame的dput格式 #

structure(list(Sp1 = c("A", "B", "B", "C"), start = c(100L, 2316L, 
26647L, 450L), end = c(1077, 4088, 28746, 789)), class = "data.frame", row.names = c(NA, 
-4L))

方法1：Base R实现 #

通过计算累积偏移量的方式高效实现，无需循环：

# 加载数据
df <- structure(list(Sp1 = c("A", "B", "B", "C"), start = c(100L, 2316L, 26647L, 450L), end = c(1077, 4088, 28746, 789)), class = "data.frame", row.names = c(NA, -4L))

# 计算每行的长度（end - start）
df$length <- df$end - df$start

# 计算new_start：第一行取原start，后续行基于上一行的长度+1累积
df$new_start <- df$start[1] + cumsum(c(0, df$length[-1] + 1))

# 计算new_end：new_start加上当前行长度
df$new_end <- df$new_start + df$length

# 删除临时的length列
df <- df[, !names(df) == "length"]

# 查看结果
print(df)

运行结果：

Sp1 start   end new_start new_end
1    A   100  1077       100    1077
2    B  2316  4088      1078    2850
3    B 26647 28746      2851    4950
4    C   450   789      4951    5290

方法2：dplyr（tidyverse）实现 #

用tidyverse工具链，结合lag函数处理行间依赖：

library(dplyr)

df <- structure(list(Sp1 = c("A", "B", "B", "C"), start = c(100L, 2316L, 26647L, 450L), end = c(1077, 4088, 28746, 789)), class = "data.frame", row.names = c(NA, -4L))

df <- df %>%
  mutate(
    length = end - start,
    new_start = case_when(
      row_number() == 1 ~ start,
      TRUE ~ lag(new_end) + 1
    ),
    new_end = new_start + length
  ) %>%
  select(-length) # 删除临时列

# 查看结果
print(df)

该方法通过case_when处理第一行的特殊逻辑，lag(new_end)获取上一行的new_end值，同样能得到预期结果。

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