R语言如何编写多条件循环匹配两个dataframe的染色体坐标并计算距离

原代码核心问题 #

• 条件判断df$chr[i] == df1$chr为单个值与向量比较，返回逻辑向量而非单一布尔值，判断逻辑失效且会抛出警告
• 未限制坐标计算范围，每次循环都对全量坐标做outer运算，没有仅针对当前匹配到的同染色体记录计算，逻辑完全错误
• 计算生成的结果未赋值给变量存储，循环运行结束后无任何可输出的结果

循环版修改实现 #

# 初始化结果存储数据框
result <- data.frame(
  chr = integer(),
  coord1 = integer(),
  distance = integer()
)

for (i in 1:nrow(df)) {
  # 筛选df1中与当前df记录染色体号一致的行
  same_chr_pos <- which(df1$chr == df$chr[i])
  if (length(same_chr_pos) == 0) next
  
  # 仅对同染色体的坐标计算差值
  dist_val <- abs(df$coord[i] - df1$coord[same_chr_pos])
  # 筛选差值在±10以内的记录
  match_pos <- same_chr_pos[dist_val <= 10]
  if (length(match_pos) == 0) next
  
  # 拼接结果
  tmp <- data.frame(
    chr = df$chr[i],
    coord1 = df1$coord[match_pos],
    distance = dist_val[dist_val <= 10]
  )
  result <- rbind(result, tmp)
}

# 查看输出结果
print(result)

运行输出与你要求的示例完全一致：

chr coord1 distance
1   2    110        2

更高效的非循环实现（推荐） #

如果数据量较大，推荐使用dplyr包的关联逻辑实现，代码更简洁执行效率更高：

library(dplyr)
result <- inner_join(df, df1, by = "chr", suffix = c("_df", "_df1")) %>%
  mutate(distance = abs(coord_df - coord_df1)) %>%
  filter(distance <= 10) %>%
  select(chr, coord1 = coord_df1, distance)

内容的提问来源于stack exchange，提问作者Greck9