R语言中给基因分块列表添加geneId报错及替代方法问询

1. 修复"arguments must have same length"报错 #

报错根源是tapply的参数要求：第二个参数必须是和第一个参数长度完全一致的分组向量，但你传入的list.of.chunks是一个包含30个元素的索引列表，和gene.bed$geneId的57539个元素长度不匹配，导致报错。

两种修复方式： #

方式1：用索引列表直接提取基因ID

list.of.chunks本身就是各分块的位置索引，直接用它提取gene.data$geneId即可：

# 注意统一变量名：如果你的基因ID存在gene.bed里就替换成gene.bed$geneId
gene.chunks <- lapply(list.of.chunks, function(idx) gene.data$geneId[idx])

方式2：用分组向量适配tapply逻辑

如果你坚持要用tapply，把生成分组的向量直接传入，而非索引列表：

ncores=30
L <- length(gene.data$geneId)
group_vec <- sort(rep_len(seq_len(ncores), L))
gene.chunks <- tapply(gene.data$geneId, group_vec, FUN = identity)

FUN=identity表示直接返回每个分组的元素，符合你的拆分需求。

2. 可用的替代函数 #

split函数（最简洁直接） #

不需要先生成索引列表，直接用分组向量拆分基因ID向量，一步到位：

ncores=30
L <- length(gene.data$geneId)
group_vec <- sort(rep_len(seq_len(ncores), L))
gene.chunks <- split(gene.data$geneId, group_vec)

purrr::map（tidyverse风格） #

如果你习惯使用tidyverse工具，结合索引列表用map提取更优雅：

library(purrr)
gene.chunks <- map(list.of.chunks, ~ gene.data$geneId[.x])

dplyr::group_split（适合数据框整行拆分） #

如果gene.data是数据框，需要保留基因的完整行数据而非仅geneId，用这个更合适：

library(dplyr)
gene.chunks <- gene.data %>% 
  mutate(group = sort(rep_len(seq_len(ncores), nrow(.)))) %>% 
  group_split(group, .keep = FALSE)

返回的每个分块是包含对应组所有基因数据的数据框。

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