首先来看你遇到的两个核心问题：数据框中pos列不连续重复，以及碱基提取错误。我们一步步来修正：

1. 构建正确的序列数据框 #

你原来的代码中，pos=seq(1:seq_length)只生成了1-6这6个值，但前面的rep(seq_name, seq_length)和rep(seqs, seq_length)会生成12行数据（2个序列×6个位置），R会自动循环补齐pos的值，这就导致了pos出现1,3,5重复的问题。

正确的做法是让每个序列名称都对应完整的1-6位置，我们可以用rep(..., each=seq_length)来重复每个序列名称和序列，同时让pos按序列循环1-6：

seq_name <- c('sequence1', 'sequence2') 
seqs <- c('ATCGGA', 'TTGCGA') 
seq_length <- 6

# 正确构建数据框
df <- data.frame(
  sample = rep(seq_name, each = seq_length),
  seq = rep(seqs, each = seq_length),
  pos = rep(1:seq_length, length(seq_name))
)

# 查看结果
str(df)

这样生成的数据框就会符合你的预期：每个序列对应1到6的完整位置，不会出现缺失或重复的pos值。

另外，也可以用tidyr包的crossing函数更直观地生成笛卡尔积（需要先安装加载tidyr）：

library(tidyr)
df <- crossing(sample = seq_name, pos = 1:seq_length) %>%
  left_join(data.frame(sample = seq_name, seq = seqs), by = "sample")

2. 提取对应位置的碱基 #

你原来的substr(seq, 1:n(), pos)用法有误，substr的三个参数是(字符串, 起始位置, 结束位置)，我们要提取每个pos对应的单个碱基，只需要让起始和结束位置都等于pos即可。结合dplyr的写法：

library(dplyr)
df <- df %>%
  group_by(sample) %>%
  arrange(pos) %>% # 按位置排序（可选，确保顺序正确）
  mutate(nuc = substr(seq, pos, pos)) %>%
  ungroup() # 记得取消分组，避免后续操作出错

这样就能正确提取每个位置对应的碱基了，比如sequence1的pos=1对应"A"，pos=2对应"T"，以此类推。

验证一下结果：

head(df)

会得到：

sample      seq pos nuc
1 sequence1 ATCGGA   1   A
2 sequence1 ATCGGA   2   T
3 sequence1 ATCGGA   3   C
4 sequence1 ATCGGA   4   G
5 sequence1 ATCGGA   5   G
6 sequence1 ATCGGA   6   A

内容的提问来源于stack exchange，提问作者fugu