基于R中其他数据框的列添加列（注释）一个数据框答案

【问题标题】：Add column(Annotate) one data frame based on column from other data frame in R基于R中其他数据框的列添加列（注释）一个数据框
【发布时间】：2023-04-02 19:40:01
【问题描述】：

头部（覆盖）

chr     Pos             Val
X       129271111       10
X       129271112       10
X       129271113       10
X       129271114       10
X       129271115       10
X       129271116       11
X       129271117       11
X       129271118       11
X       129271119       11
X       129271120       11
X       129271121       11
X       129271122       11
X       129271123       11
X       129271124       11
X       129271125       11
X       129271126       11
X       129271127       11
X       129271128       11
X       129271129       11
X       129271130       11
X       129271131       11
X       129271132       11
X       129271133       11

头部（注解）

chr Region  start       end         Gene    status
X   Exon    129271053   129271110   AIFM1   NO
X   Exon    129270618   129270706   AIFM1   NO
X   Exon    129270020   129270160   AIFM1   NO
X   Exon    129267288   129267430   AIFM1   NO
X   Exon    129265650   129265774   AIFM1   NO
X   Exon    129263945   129264141   AIFM1   NO
X   Exon    129263532   129263603   AIFM1   NO
3   Exon    15643358    15643401    BTD NO
3   Exon    15676931    15677195    BTD NO
3   Exon    15683415    15683564    BTD NO

尝试使用第一个文件中的基因名称创建一个新列，用于第二个位置的开始和结束之间的位置以及相应的基因名称。

covreage$Gene <- ifelse(covreage$chr == annotation$chr & covreage$pos >= annotation$start & covreage$pos <= annotation$end,annotation$Gene,"NA")

问题是第二个文件的 file1 pos 的值在 range 和 chr 和 position 应该在两个文件中匹配。 chr 可以有 23 个不同的值，Pos 在所有不同的 chr 值中都有相似的值。 chr 和 position 一起成为唯一元素

上面的代码给出了这个错误

Warning messages:
1: In is.na(e1) | is.na(e2) :
  longer object length is not a multiple of shorter object length
2: In `==.default`(covreage$chr, annotation$chr) :
  longer object length is not a multiple of shorter object length
3: In covreage$pos >= annotation$start :
  longer object length is not a multiple of shorter object length
4: In covreage$pos <= annotation$end :
  longer object length is not a multiple of shorter object length

【问题讨论】：

你的数据框中的annotation$Chromosome在哪里？
如果您想在r 中找到解决方案，为什么要用awk 标记它？
由于您使用 data.table 进行了标记，也许您需要查看它的非 equi 和更新连接，这可能能够干净利落地解决这个问题，例如 DT1[, gene := DT2[.SD, on=.(chr, start >= Pos, end <= Pos), x.Gene]]

标签： r data.table

【解决方案1】：

通过评估 covreage$pos >= annotation$start 之类的内容，您正在逐行比较两个 data.frame，这不是您想要的。您想使用 R 不知道的一些分组规则将第一行的几行与第二行的一行进行比较。

您仍然会得到一些输出，因为 R 通常会根据需要尝试回收元素：

> 1:6<c(2,6,6) [1] TRUE TRUE TRUE FALSE TRUE FALSE

> 1:5<c(2,6,6) [1] TRUE TRUE TRUE FALSE TRUE Warning message: In 1:5 < c(2, 6, 6) : longer object length is not a multiple of shorter object length

在第一种情况下，不会打印任何警告，因为元素被均匀地重用；在第二种情况下，这是不可能的（因为正如 R 所说，longer object length is not a multiple of shorter object length），所以会出现警告。

即使在您介绍的上下文中回收被视为错误，R 也允许这样做，因为它在某些情况下可能有用。

【讨论】：