R语言中如何提取存在谱系关联的值对应的索引列表

你描述的需求本质是无向图连通分量的边级索引提取：dataframe的每一行代表两个节点的直接无向关联，整行的位置索引就是需要归集的标识，最终要把所有同属一个连通网络的行索引归为一组，形成你举例的链式集合。

方案1：igraph图算法实现（性能最优，适配大数据量） #

这是处理这类关联连通问题的标准方案，不需要手动写循环遍历链路，算法本身就会自动识别所有连通的节点集合：

• 依赖包加载：library(igraph)
• 完整可运行代码：

# 复现你的示例数据
c2 <- c(2,5,7,8,10)
c1 <- c(1,3,2,7,5)
df <- data.frame(c1, c2)
# 新增列存储原始行索引，也就是最终需要提取的关联位置值
df$original_row_idx <- seq_len(nrow(df))
# 构造无向关联图，把原始行索引作为边的属性持久化
conn_graph <- graph_from_data_frame(df, directed = FALSE)
# 把大图拆分为独立的连通子图
connected_subgraphs <- decompose(conn_graph)
# 提取每个子图包含的所有原始行索引
chain_result <- lapply(connected_subgraphs, function(sub_g) {
  E(sub_g)$original_row_idx
})

• 输出结果完全匹配预期：两个子图分别对应索引集合c(1,3,4)、c(2,5)。

方案2：dplyr迭代实现（无需额外装包，适配中小数据量） #

如果不想引入igraph依赖，可以通过反复对齐关联组的方式实现连通识别，适合千行级别的小数据场景：

• 完整可运行代码：

library(dplyr)
library(purrr)
# 复现实例数据
c2 <- c(2,5,7,8,10)
c1 <- c(1,3,2,7,5)
df <- data.frame(c1, c2)
# 初始化行索引和初始组标记
df <- df %>% mutate(original_row_idx = row_number(), group = row_number())
# 迭代对齐所有关联节点的组标记，直到没有更新
repeat {
  updated_df <- df %>%
    # 对齐c2关联的c1所在的组
    left_join(df %>% select(node = c1, c_group = group), by = c("c2" = "node")) %>%
    mutate(group = pmin(group, c_group)) %>%
    select(-c_group) %>%
    # 对齐c1关联的c2所在的组
    left_join(df %>% select(node = c2, c_group = group), by = c("c1" = "node")) %>%
    mutate(group = pmin(group, c_group)) %>%
    select(-c_group)
  # 迭代无更新时退出循环
  if (identical(updated_df$group, df$group)) break
  df <- updated_df
}
# 按组聚合行索引
chain_result <- df %>%
  group_split(group) %>%
  map(~ pull(.x, original_row_idx))

注意：这种迭代方法在数据量超过1万行时，循环次数和计算量会明显上升，大数据场景优先选择igraph实现。

对照你描述的关联逻辑核对输出：

• 第一组连通链路：1↔2（行索引1）、2↔7（行索引3）、7↔8（行索引4），对应提取结果向量c(1,3,4)
• 第二组连通链路：3↔5（行索引2）、5↔10（行索引5），对应提取结果向量c(2,5)
  和预期的关联谱系链结构完全一致。

内容的提问来源于stack exchange，提问作者hmnoidk