R语言按df1样本匹配情况为ref数据框新增列并填充REF/ALT值

你可以直接通过长表转宽表+缺失值替换实现，不需要手动新建空列填充NA，以下是两种实现方式：

方法一：从原始df1一步生成结果 #

library(dplyr)
library(tidyr)

# 原始数据框
df1 <- data.frame(
  sample_id = c('SB024', 'SB026', 'SB027', 'SB026', 'SB027'), 
  VAR = c('10g.76789732G>A','10g.76789732G>A','10g.76789732G>A','11g.102195430G>A','11g.102195430G>A'), 
  REF = c('G','G','G','C','C'),
  ALT = c('A','A','A','T','T'))

result <- df1 %>%
  # 去重保留所有VAR、REF、ALT、样本的对应关系
  distinct(VAR, REF, ALT, sample_id) %>%
  # 转换为宽表，存在匹配记录的位置填充ALT
  pivot_wider(names_from = sample_id, values_from = ALT) %>%
  # 所有无匹配的NA值替换为当前行的REF
  mutate(across(all_of(unique(df1$sample_id)), ~ifelse(is.na(.), REF, .)))

方法二：基于你已生成的ref对象继续处理 #

如果你已经提前生成好了ref数据框，可以直接批量遍历样本列赋值：

# 获取所有样本ID
samples <- unique(df1$sample_id)

result <- ref %>%
  # 逐列判断每个VAR是否在对应样本的匹配列表中
  mutate(across(all_of(samples), ~ifelse(VAR %in% df1$VAR[df1$sample_id == cur_column()], ALT, REF)))

运行后得到的result就是你需要的最终结果。

内容的提问来源于stack exchange，提问作者zw_nz