如何基于两列对R data-frame取交集并保留UP/DOWN状态信息

你现有代码仅按ENSEMBL单列取交集，自然会丢失UP_DOWN的状态标注，根据你是否要求两列完全匹配，可以选择以下两种实现方案：

方案1：要求ENSEMBL和UP_DOWN状态完全匹配才算交集 #

这种场景等价于取两个表中两列值完全一致的共同行，有两种常用实现：

（1）使用dplyr包的inner_join（推荐，代码简洁） #

# 加载包，没装的话先运行 install.packages("dplyr")
library(dplyr)

# 按两列取交集，默认保留匹配行的所有信息
result <- inner_join(Region, gene, by = c("ENSEMBL", "UP_DOWN"))

# 如果需要区分某行是否在两个表中都存在、同时保留两个表的原始状态列，可以加keep参数
result_with_origin <- inner_join(Region, gene, by = "ENSEMBL", keep = TRUE)

（2）基础R实现，无需额外安装包 #

# 用merge函数的内连接模式，效果和inner_join一致
result <- merge(Region, gene, by = c("ENSEMBL", "UP_DOWN"))

用你给出的示例数据运行后，返回的结果将包含匹配行ENSG00000000938 UP，完整保留两列信息。

方案2：仅要求ENSEMBL匹配，保留两个表对应的UP_DOWN状态 #

如果你只要ENSEMBL在两个表中都出现就算交集，同时要保留两个表各自的UP_DOWN标注，可以只按ENSEMBL列连接：

library(dplyr)
result <- inner_join(Region, gene, by = "ENSEMBL", suffix = c("_Region", "_gene"))

返回的结果会包含ENSEMBL、UP_DOWN_Region（第一个表的状态）、UP_DOWN_gene（第二个表的状态）三列，不会丢失状态信息。

如果你一定要用intersect函数实现 #

可以先将两列拼接为唯一标识，再按标识筛选：

# 为两个表生成唯一标识列
Region$unique_id <- paste(Region$ENSEMBL, Region$UP_DOWN, sep = "|")
gene$unique_id <- paste(gene$ENSEMBL, gene$UP_DOWN, sep = "|")

# 取共同标识，再筛选原表的行
common_id <- intersect(Region$unique_id, gene$unique_id)
result <- Region[Region$unique_id %in% common_id, c("ENSEMBL", "UP_DOWN")]

内容的提问来源于stack exchange，提问作者PesKchan