如何用DataFrame1的行列索引提取DataFrame2对应位置的值？

我懂你的需求——你想要根据df1里的lineno（行索引）和position（列索引），精准从df2中提取对应位置的值，添加成df1的新列对吧？之前直接用mutate(new_col = df2[lineno, position])没得到预期结果，是因为dplyr的向量式操作逻辑是把lineno和position当成整体向量处理，而不是逐行匹配单个索引对。

下面给你几个可行的解决方案：

方法1：用rowwise()实现逐行处理 #

dplyr的rowwise()会让后续的mutate逐行执行，这样每一行的lineno和position都是单个值，索引df2就会得到正确的结果：

library(dplyr)

# 先处理df1里的缺失行（比如最后一行只有17，需要补全position或者删除，这里假设是输入笔误，先确保数据结构完整）
df1 <- df1 %>% filter(!is.na(position)) # 可选，根据实际数据调整

df1 <- df1 %>%
  rowwise() %>%
  mutate(new_col = df2[lineno, position]) %>%
  ungroup() # 记得取消行分组，避免后续操作受影响

方法2：用purrr::map2遍历索引对 #

如果习惯用tidyverse的函数，purrr的map2可以同时遍历lineno和position两个向量，逐对提取df2的值：

library(dplyr)
library(purrr)

# 根据df2的数据类型选择对应的map2函数：数值型用map2_dbl，字符型用map2_chr
df1 <- df1 %>%
  mutate(new_col = map2_dbl(lineno, position, ~ df2[.x, .y]))

方法3：Base R的mapply方法 #

如果不想加载额外包，用Base R的mapply也能实现同样的逐行匹配：

# 直接给df1新增列
df1$new_col <- mapply(function(row_idx, col_idx) df2[row_idx, col_idx], df1$lineno, df1$position)

注意事项 #

• 要确保df2的行索引确实是整数类型，且和df1$lineno的取值范围匹配；同理position要对应df2的列索引（或列名，如果position是字符的话）。
• 如果df1里存在超出df2行列范围的索引，会返回NA或者报错，建议提前检查数据：

  # 检查lineno是否在df2的行范围内
  sum(!df1$lineno %in% 1:nrow(df2))
  # 检查position是否在df2的列范围内
  sum(!df1$position %in% 1:ncol(df2))
  

内容的提问来源于stack exchange，提问作者dorothy